Los datos, eventos, procesos, etc., no son independientes si el conocimiento de 1 proporciona alguna información sobre el estado o el valor del otro.
En el aprendizaje estadístico, implícita o explícitamente, siempre se supone que el conjunto de entrenamiento D={X,y}D={X,y}\mathcal{D} = \{ \bf {X}, \bf{y} \} está compuesto de NNN tuplas de entrada / respuesta (Xi,yi)(Xi,yi)({\bf{X}}_i,y_i) que se extraen independientemente de la misma...
Para la gráfica 1, puedo probar la asociación entre xey haciendo una simple correlación. Para la gráfica 2, donde la relación es no lineal pero hay una relación clara entre x e y, ¿cómo puedo probar la asociación y etiquetar su naturaleza?
Benjamini y Hochberg desarrollaron el primer método (y aún más utilizado, creo) para controlar la tasa de descubrimiento falso (FDR). Quiero comenzar con un montón de valores de P, cada uno para una comparación diferente, y decidir cuáles son lo suficientemente bajos como para ser llamados un...
Mi profesor de estadística afirma que la palabra "correlación" se aplica estrictamente a las relaciones lineales entre variables, mientras que la palabra "asociación" se aplica ampliamente a cualquier tipo de relación. En otras palabras, afirma que el término "correlación no lineal" es un...
Usualmente usamos PCA como técnica de reducción de dimensionalidad para datos donde se supone que los casos son iid Pregunta: ¿Cuáles son los matices típicos en la aplicación de PCA para datos dependientes que no son iid? ¿Qué propiedades agradables / útiles de PCA que se mantienen para los datos...
Tanto en la literatura de la tasa de error familiar (FWER) como de la tasa de descubrimiento falso (FDR), se dice que métodos particulares para controlar FWER o FDR son apropiados para pruebas dependientes o independientes. Por ejemplo, en el artículo de 1979 "Un procedimiento de prueba múltiple...
Al explicar por qué no correlacionado no implica independiente, hay varios ejemplos que involucran un montón de variables aleatorias, pero todas parecen tan abstractas: 1 2 3 4 . Esta respuesta parece tener sentido. Mi interpretación: una variable aleatoria y su cuadrado pueden no estar...
Supongamos que tengo alguna variable de respuesta yijyijy_{ij} que se midió a partir del hermano jjj en la familia iii . Además, se recopilaron algunos datos de comportamiento xijxijx_{ij} al mismo tiempo de cada sujeto. Estoy tratando de analizar la situación con el siguiente modelo lineal de...
Digamos que estamos interesados en cómo las calificaciones de los exámenes de los estudiantes se ven afectadas por la cantidad de horas que esos estudiantes estudian. Para explorar esta relación, podríamos ejecutar la siguiente regresión
Lo sé, no puedo usar la convolución. Tengo dos variables aleatorias A y B y son dependientes. Necesito la función distributiva de A +
¿Cómo se define la varianza a largo plazo en el ámbito del análisis de series temporales? Entiendo que se utiliza en el caso de que haya una estructura de correlación en los datos. ¿Entonces nuestro proceso estocástico no sería una familia de X1,X2…X1,X2…X_1, X_2 \dots iid variables aleatorias...
Sé que la media de la suma de variables independientes es la suma de las medias de cada variable independiente. ¿Esto se aplica también a las variables
Explique cuál es la diferencia entre si dos variables son linealmente dependientes o linealmente correlacionadas . Busqué el artículo de Wikipedia pero no obtuve un ejemplo adecuado. Por favor explícalo con un
Tengo un conjunto de datos muy grande y faltan alrededor del 5% de valores aleatorios. Estas variables están correlacionadas entre sí. El siguiente conjunto de datos R de ejemplo es solo un ejemplo de juguete con datos correlacionados ficticios. set.seed(123) # matrix of X variable xmat <-...
Miller y Chapman (2001) sostienen que es absolutamente inapropiado controlar las covariables no independientes que están relacionadas con las variables independientes y dependientes en un estudio observacional (no aleatorio), a pesar de que esto se hace rutinariamente en las ciencias sociales. ¿Qué...
Cuando (es decir, Y proviene del modelo de regresión lineal), ε ∼ N ( 0 , σ 2 I )Y= A X+ εY=AX+εY = AX + \varepsilonYYY Y en ese caso los residuos e 1 , ... , e n están correlacionados y no independientes. Pero cuando hacemos diagnósticos de regresión y queremos probar la hipótesis de ε ~ N ( 0...
Sé que la varianza de la diferencia de dos variables independientes es la suma de las varianzas, y puedo demostrarlo. Quiero saber a dónde va la covarianza en el otro
Ejemplos: Tengo una oración en la descripción del trabajo: "Ingeniero senior de Java en el Reino Unido". Quiero usar un modelo de aprendizaje profundo para predecirlo en 2 categorías: English y IT jobs. Si uso el modelo de clasificación tradicional, solo puede predecir 1 etiqueta con...
Tengo casi las mismas preguntas como esta: ¿Cómo puedo modelar eficientemente la suma de variables aleatorias de Bernoulli? Pero la configuración es bastante diferente: S=∑i=1,NXiS=∑i=1,NXiS=\sum_{i=1,N}{X_i} , , ~ 20, ~ 0.1P(Xi=1)=piP(Xi=1)=piP(X_{i}=1)=p_iNNNpipip_i Tenemos los datos para los...
Entonces, tengo 16 ensayos en los que estoy tratando de autenticar a una persona de un rasgo biométrico usando Hamming Distance. Mi umbral está establecido en 3.5. Mis datos están a continuación y solo la prueba 1 es un verdadero positivo: Trial Hamming Distance 1 0.34 2 0.37 3 0.34 4 0.29 5...