A distribuição marginal se refere à distribuição de probabilidade de um subconjunto de variáveis contidas em uma distribuição conjunta.
Estou tentando expandir meu conhecimento de estatística. Eu venho de uma experiência em ciências físicas com uma abordagem "baseada em receita" para testes estatísticos, onde dizemos que é contínuo, é normalmente distribuído - regressão OLS . Na minha leitura, encontrei os termos: modelo de...
Há já algum tempo que procuro uma boa leitura introdutória sobre Copulas para o meu seminário. Estou encontrando muito material que fala sobre aspectos teóricos, o que é bom, mas antes de passar para eles, estou procurando construir um bom entendimento intuitivo sobre o assunto. Alguém poderia...
Estou analisando um conjunto de dados usando um modelo de efeitos mistos com um efeito fixo (condição) e dois efeitos aleatórios (participante devido ao design do sujeito e ao par). O modelo foi gerado com o lme4pacote: exp.model<-lmer(outcome~condition+(1|participant)+(1|pair),data=exp). Em...
Alguém tem uma idéia sobre por que a correlação condicional entre duas variáveis é chamada correlação "parcial" e a correlação simples entre elas (portanto, quando não está condicionada a nenhuma outra variável) é chamada correlação "marginal"? Qual é a intuição por trás das palavras "parcial" e...
Seja px,ypx,yp_{x,y} uma distribuição conjunta de duas variáveis categóricas X,YX,YX,Y , com x,y∈{1,…,K}x,y∈{1,…,K}x,y\in\{1,\ldots,K\} . Digamos que nnn amostras foram retiradas dessa distribuição, mas recebemos apenas as contagens marginais, ou seja, para j=1,…,Kj=1,…,Kj=1,\ldots,K...
Eu quero provar de uma densidade univariada mas eu só sei o relacionamento:fXfXf_X fX( x ) = ∫fX| Y( x | y) fY( y) dy.fX(x)=∫fX|Y(x|y)fY(y)dy.f_X(x) = \int f_{X\vert Y}(x\vert y)f_Y(y) dy. Eu quero evitar o uso do MCMC (diretamente na representação integral) e, como e são fáceis de amostrar, eu...
Um dos problemas no meu livro é apresentado da seguinte maneira. Um vetor contínuo estocástico bidimensional tem a seguinte função de densidade: fX, Y( x , y) = { 15 x y20 0se 0 <x <1 e 0 <y <xde outra formafX,Y(x,y)={15xy2if 0 < x < 1 and 0 < y <
Como o título diz, estou procurando as densidades marginais def(x,y)=c1−x2−y2−−−−−−−−−√,x2+y2≤1.f(x,y)=c1−x2−y2,x2+y2≤1.f (x,y) = c \sqrt{1 - x^2 - y^2}, x^2 + y^2 \leq 1. Até agora, descobri que é . Eu descobri isso convertendo em coordenadas polares e integrando sobre , e é por isso que estou...
Geralmente, existem muitas distribuições conjuntas consistentes com um conjunto conhecido de distribuições marginais .P(X1=x1,X2=x2,...,Xn=xn)P(X1=x1,X2=x2,...,Xn=xn)P(X_1 = x_1, X_2 = x_2, ..., X_n = x_n)fi(xi)=P(Xi=xi)fi(xi)=P(Xi=xi)f_i(x_i) = P(X_i = x_i) Destas distribuições conjuntas, o...
Estou tentando calcular a probabilidade marginal de um modelo estatístico pelos métodos de Monte Carlo: f( x ) = ∫f( x ∣ θ ) π( θ )dθf(x)=∫f(x∣θ)π(θ)dθf(x) = \int f(x\mid\theta) \pi(\theta)\, d\theta A probabilidade é bem comportada - suave, côncava -, mas de alta dimensão. Eu tentei amostragem...
Um fator Bayes é definido no teste bayesiano de hipóteses e na seleção do modelo bayesiano pela razão de duas probabilidades marginais: dada uma amostra iid e respectivas densidades amostrais e , com as anteriores correspondentes e , o fator Bayes para comparar os dois modelos é Um livro que...
Suponhamos que temos variável aleatória distribuído como L [ 0 , 1 ] e X 2 distribuído como L [ 0 , X 1 ] , em que L [ a , b ] significa distribuição uniforme no intervalo [ a , b ] .X1X1X_1você[ 0 , 1 ]U[0,1]U[0,1]X2X2X_2você[ 0 , X1]U[0,X1]U[0,X_1]você[ a , b ]U[a,b]U[a,b][ a , b ][a,b][a,b] Eu...
Dada a probabilidade gaussiana de uma amostra como com sendo o espaço de parâmetro e , parametrizações arbitrárias do vetor médio e da matriz de covariância.yyyp(y|θ)=N(y;μ(θ),Σ(θ))p(y|θ)=N(y;μ(θ),Σ(θ))p(y|\theta) =
No problema de triagem de mamografia comumente mencionado, com uma probabilidade de triagem de 80%, um valor anterior a 10% e uma taxa de falsos positivos de 50%, ou suas variantes, é fácil explicar que a probabilidade condicional posterior de uma triagem positiva indicar um câncer está presente é...
Considere um processo estocástico seguindo o modelo que .{Xt,t=1,2,…}{Xt,t=1,2,…}\{X_t, t = 1, 2, \ldots\}Xt=αXt−1+et,Xt=αXt−1+et,X_t = \alpha X_{t-1} + e_t,et∼fet∼fe_t \thicksim f Posso dizer que a distribuição do ponto inicial, , é a mesma que ?X1X1X_1fff Posso dizer que a densidade...