Je viens d'être initié (vaguement) à la covariance / corrélation brownienne / distance . Il semble particulièrement utile dans de nombreuses situations non linéaires, lors du test de dépendance. Mais il ne semble pas être utilisé très souvent, même si la covariance / corrélation est souvent utilisée pour les données …
Je me demandais, est-il possible d'avoir un très fort coefficient de corrélation (disons .9 ou plus), avec une valeur p élevée (disons .25 ou plus)? Voici un exemple d'un faible coefficient de corrélation, avec une valeur p élevée: set.seed(10) y <- rnorm(100) x <- rnorm(100)+.1*y cor.test(x,y) cor = 0,03908927, p …
Je veux saisir pleinement la notion de décrivant la quantité de variation entre les variables. Chaque explication Web est un peu mécanique et obtuse. Je veux "comprendre" le concept, pas seulement utiliser mécaniquement les chiffres.r2r2r^2 Par exemple: heures étudiées vs score au test rrr = 0,8 r2r2r^2 = 0,64 Qu'est-ce …
Je me demandais s'il serait possible de générer des variables binomiales aléatoires corrélées en suivant une approche de transformation linéaire? Ci-dessous, j'ai essayé quelque chose de simple en R et cela produit une certaine corrélation. Mais je me demandais s'il y avait un moyen de principe de le faire? X1 …
Après avoir effectué l'analyse des composants principaux (PCA), je souhaite projeter un nouveau vecteur sur l'espace PCA (c'est-à-dire trouver ses coordonnées dans le système de coordonnées PCA). J'ai calculé PCA en langage R en utilisant prcomp. Maintenant, je devrais pouvoir multiplier mon vecteur par la matrice de rotation PCA. Les …
J'ai deux variables qui ne montrent pas beaucoup de corrélation lorsqu'elles sont tracées l'une contre l'autre telles quelles, mais une relation linéaire très claire lorsque je trace les journaux de chaque variable contre l'autre. Je me retrouverais donc avec un modèle du type: log(Y)=alog(X)+blog(Y)=alog(X)+b\log(Y) = a \log(X) + b , …
Supposons que sont des variables aléatoires continues avec des seconds moments finis. La version démographique du coefficient de corrélation de rang de Spearman ρ_s peut être définie comme le coefficient produit-moment de Pearson ρ des intégrales de probabilité transforme F_X (X) et F_Y (Y) , où F_X, F_Y sont les …
Les données pour certains types de variables ont tendance à être anormales lorsqu'elles sont mesurées dans des populations particulières (par exemple, les niveaux de dépression dans une population de personnes souffrant d'un trouble dépressif majeur). Étant donné que Pearson suppose la normalité, quelle est la robustesse de la statistique de …
Disons que je teste la façon dont une variable Ydépend d'une variable Xdans différentes conditions expérimentales et j'obtiens le graphique suivant: Les lignes en pointillés dans le graphique ci-dessus représentent une régression linéaire pour chaque série de données (configuration expérimentale) et les nombres dans la légende indiquent la corrélation de …
La précision est définie comme: p = true positives / (true positives + false positives) Est - il exact que, true positiveset false positivesapproche 0, la précision approche 1? Même question pour rappel: r = true positives / (true positives + false negatives) J'implémente actuellement un test statistique où j'ai …
Plus récemment, j'ai lu deux articles. Le premier concerne l'historique de la corrélation et le second concerne la nouvelle méthode appelée coefficient d'information maximal (MIC). J'ai besoin de votre aide pour comprendre la méthode MIC pour estimer les corrélations non linéaires entre les variables. De plus, les instructions pour son …
De la page Wikipedia intitulée corrélation n'implique pas de causalité , Pour deux événements corrélés, A et B, les différentes relations possibles incluent: A provoque B (causalité directe); B provoque A (causalité inverse); A et B sont les conséquences d'une cause commune, mais ne se causent pas; A et B …
J'utilise la décomposition de Cholesky pour simuler des variables aléatoires corrélées étant donné une matrice de corrélation. Le fait est que le résultat ne reproduit jamais la structure de corrélation telle qu'elle est donnée. Voici un petit exemple en Python pour illustrer la situation. import numpy as np n_obs = …
Si nous avons 2 variables aléatoires normales non corrélées X1,X2X1,X2X_1, X_2 nous pouvons créer 2 variables aléatoires corrélées avec la formule Y=ρX1+1−ρ2−−−−−√X2Y=ρX1+1−ρ2X2Y=\rho X_1+ \sqrt{1-\rho^2} X_2 puis aura une corrélation ρ avec X 1 .YYYρρ\rhoX1X1X_1 Quelqu'un peut-il expliquer d'où vient cette formule?
J'essaie de générer une séquence aléatoire corrélée avec une moyenne = , une variance = , un coefficient de corrélation = . Dans le code ci-dessous, j'utilise & comme écart-type et & comme moyen.1 0,80001110,80,80.8s1s2m1m2 p = 0.8 u = randn(1, n) v = randn(1, n) x = s1 * …
We use cookies and other tracking technologies to improve your browsing experience on our website,
to show you personalized content and targeted ads, to analyze our website traffic,
and to understand where our visitors are coming from.
By continuing, you consent to our use of cookies and other tracking technologies and
affirm you're at least 16 years old or have consent from a parent or guardian.