Questions marquées «independence»

Les événements (ou variables aléatoires) sont indépendants lorsque les informations sur certains d'entre eux ne vous disent rien sur la probabilité d'occurrence (/ distribution) des autres. Veuillez NE PAS utiliser cette balise pour une utilisation de variable indépendante [prédicteur] à la place.

3
Pour l'intuition, quels sont des exemples concrets de variables aléatoires non corrélées mais dépendantes?
Pour expliquer pourquoi non corrélé n'implique pas indépendant, il existe plusieurs exemples qui impliquent un tas de variables aléatoires, mais elles semblent toutes si abstraites: 1 2 3 4 . Cette réponse semble logique. Mon interprétation: Une variable aléatoire et son carré peuvent ne pas être corrélés (car apparemment, le …
1
Test exact de Fisher et distribution hypergéométrique
Je voulais mieux comprendre le test exact du pêcheur, j'ai donc imaginé l'exemple de jouet suivant, où f et m correspond à l'homme et à la femme, et n et y correspond à la "consommation de soda" comme ceci: > soda_gender f m n 0 5 y 5 0 Évidemment, …
1
Pour quel type de sélection de fonctionnalités le test du chi carré peut-il être utilisé?
Ici, je demande ce que les autres font couramment pour utiliser le test du chi carré pour la sélection des fonctionnalités par rapport au résultat de l'apprentissage supervisé. Si je comprends bien, testent-ils l'indépendance entre chaque fonctionnalité et le résultat, et comparent-ils les valeurs de p entre les tests pour …
1
Pour quelles distributions la non-corrélation implique-t-elle l'indépendance?
Un rappel historique des statistiques est que "la non-corrélation n'implique pas l' indépendance". Habituellement, ce rappel est complété par l'affirmation psychologiquement apaisante (et scientifiquement correcte) "quand, néanmoins, les deux variables sont distribuées normalement conjointement , alors l'absence de corrélation implique l'indépendance". Je peux augmenter le nombre d'exceptions heureuses de un …
1
R / mgcv: Pourquoi les produits tenseurs te () et ti () produisent-ils des surfaces différentes?
Le mgcvpackage pour Ra deux fonctions pour ajuster les interactions des produits tensoriels: te()et ti(). Je comprends la division de base du travail entre les deux (ajustement d'une interaction non linéaire vs décomposition de cette interaction en effets principaux et interaction). Ce que je ne comprends pas, c'est pourquoi te(x1, …
11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 
2
Le théorème central à plusieurs variables (CLT) tient-il lorsque les variables présentent une dépendance contemporaine parfaite?
i = 1 , . . . , n S n = 1Xje∽i i dN( 0 , 1 )Xje∽jejeréN(0,1)X_i \overset{iid}{\backsim} \mathcal{N}(0, 1)i = 1 , . . . , nje=1,...,ni = 1, ..., nTn=1Sn= 1n∑i = 1nXjeSn=1n∑je=1nXje\begin{equation} S_n = \frac{1}{n} \sum_{i=1}^n X_i \end{equation}Tn= 1n∑i = 1n( X2je- 1 )Tn=1n∑je=1n(Xje2-1)\begin{equation} T_n …
1
R régression linéaire variable catégorielle valeur «cachée»
Ceci est juste un exemple que j'ai rencontré plusieurs fois, donc je n'ai pas d'échantillons de données. Exécution d'un modèle de régression linéaire dans R: a.lm = lm(Y ~ x1 + x2) x1est une variable continue. x2est catégorique et a trois valeurs, par exemple "Low", "Medium" et "High". Cependant, la …
10 r  regression  categorical-data  regression-coefficients  categorical-encoding  machine-learning  random-forest  anova  spss  r  self-study  bootstrap  monte-carlo  r  multiple-regression  partitioning  neural-networks  normalization  machine-learning  svm  kernel-trick  self-study  survival  cox-model  repeated-measures  survey  likert  correlation  variance  sampling  meta-analysis  anova  independence  sample  assumptions  bayesian  covariance  r  regression  time-series  mathematical-statistics  graphical-model  machine-learning  linear-model  kernel-trick  linear-algebra  self-study  moments  function  correlation  spss  probability  confidence-interval  sampling  mean  population  r  generalized-linear-model  prediction  offset  data-visualization  clustering  sas  cart  binning  sas  logistic  causality  regression  self-study  standard-error  r  distributions  r  regression  time-series  multiple-regression  python  chi-squared  independence  sample  clustering  data-mining  rapidminer  probability  stochastic-processes  clustering  binary-data  dimensionality-reduction  svd  correspondence-analysis  data-visualization  excel  c#  hypothesis-testing  econometrics  survey  rating  composite  regression  least-squares  mcmc  markov-process  kullback-leibler  convergence  predictive-models  r  regression  anova  confidence-interval  survival  cox-model  hazard  normal-distribution  autoregressive  mixed-model  r  mixed-model  sas  hypothesis-testing  mediation  interaction 
En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.