加权反演数据

加权反演数据一个统计在对称群被称为加权反演数据,如果存在一个吗上三角矩阵这样在哪里是特征函数.反演计算(为)定义为克莱默(1750)和主要指数(;否则mcmahon)定义为(1913)都是加权反演数据(Degenhardt和米尔恩)。参见Trimeantrimean定义在哪里是铰链和是统计值。出版社etal。(1992)称这个图基trimean。这是一个L-estimate.参见:顺序统计量给定的样本变量,...,,以便重新排序它们。然后被称为th顺序统计量(霍格和克雷格1970,p.146),有时也表示。特殊情况包括最低(1)和最大(2)次序统计量包括的重要功能统计范围(3)中档(4)和统计值(5)(霍格和克雷格1970,p.152)。如果有概率密度函数和分布函数,那么概率的函数是由(6)为,...,(玫瑰和史密斯2002年,页。311年和454年)。一个稳健估计技术的基础上线性组合次序统计量的被称为一个L-estimate.参见斯皮尔曼等级相关系数非参数(传播变为免费)斯皮尔曼在1904年提出的秩统计量作为衡量两个变量之间的关联的强度(莱曼和D'Abrera1998)。斯皮尔曼等级相关系数可以用来给一个R-estimate单调的协会,是一个测量时使用让皮尔逊分布的数据相关系数不良或有误导性。斯皮尔曼等级相关系数定义的(1)在哪里的区别是在统计排名相应的变量,是一个近似的相关系数(2)从原始数据计算。因为它使用行列,斯皮尔曼等级相关系数更容易计算。的方差,峰度,高阶时刻是(3)(4)(5)学生是第一个获得方差.马尔可夫过程Chapman-Kolmogorov方程马尔可夫链马尔可夫链马尔可夫过程马尔可夫序列史密斯的马尔可夫过程定理随机矩阵随机矩阵一个随机矩阵的转移矩阵是有限的马尔可夫链,也称为马尔可夫矩阵。矩阵必须的元素实数在闭区间[0,1]。一个完全独立的随机矩阵被定义为一个类型方阵与条目场这样每一列元素的和等于1。有两个非奇异的随机矩阵在(即。国防部的整数2),有六个非奇异的随机矩阵在,事实上,集所有的非奇异的随机矩阵在场形成一个集团下矩阵乘法。这集团被称为随机分组.下表给出不同的随机矩阵的数量(和不同的非奇异的随机矩阵)对小.随机矩阵在21,4,64,4096,…3729年1日9日,…44096年1日16日,…随机非奇异的矩阵在21440年1、2、24日,…31,450,……43108年,12日,…参见:StochasticMatrixAstochasticmatrixisthetransitionmatrixforafiniteMarkovchain,alsocalledaMarkovmatrix.Elementsofthematrixmustberealnumbersintheclosedinterval[0,1].Acompletelyindependenttypeofstochasticmatrixisdefinedasasquarematrixwithentriesinafieldsuchthatthesumofelementsineachcolumnequals1.Therearetwononsingularstochasticmatricesover(i.e.,theintegersmod2),Therearesixnonsingularstochasticmatricesover,Infact,thesetofallnonsingularstochasticmatricesoverafieldformsagroupundermatrixmultiplication.Thisgroupiscalledthestochasticgroup.Thefollowingtablesgivethenumberofdistinctstochasticmatrices(anddistinctnonsingularstochasticmatrices)overforsmall.stochasticmatricesover21,4,64,4096,...31,9,729,...41,16,4096,...stochasticnonsingularmatricesover21,2,24,1440,...31,6,450,...41,12,3108,...SEEALSO:史密斯的马尔可夫过程定理考虑(1)如果由一个概率分布马尔可夫过程,然后(2)(3)假设没有时间依赖性,(4)参见:马尔可夫序列一个序列,,……随机变量称为马尔可夫(或马尔可夫链),如果任何,即。,如果条件分布的假设,,...,等于条件分布的假设只(Papoulis1984,页528-529)。的过渡密度满足马尔可夫序列Chapman-Kolmogorov方程.参见:互动的条目互动演示马尔可夫过程未来的随机过程概率是由最近的值。一个随机过程如果对于每一个被称为马尔可夫和,我们有这相当于(Papoulis1984,p.1984)。参见:马尔可夫链马尔可夫链是随机变量的集合(指数贯穿0,1,…)的财产,现在,未来有条件地独立的过去的。换句话说,如果一个马尔可夫序列的随机变量取离散值,...,,然后和序列被称为马尔可夫链(Papoulis1984,p.1984)。一个简单的随机游走是一个马尔可夫链的例子。本赛季1集”男人打猎”(2005)的电视犯罪剧NUMB3RS马尔可夫链的特性。Chapman-Kolmogorov方程这个方程这使过渡的密度马尔可夫序列。在这里,是任何整数(Papoulis1984,p.1984)。参统计相关性两个随机变量和,相关定义(1)在哪里表示标准偏差和是协方差这两个变量。一般情况下的变量和,在那里2……,(2)在哪里的元素协方差矩阵。一般来说,关联给变量之间的关系的力量。为,(3)任何数量总是的方差非负根据定义,所以(4)从一个属性的方差,可以扩展(5)(6)(7)因此,(8)同样的,(9)(10)(11)(12)因此,(13)所以.对于一个线性组合两个变量,(14)(15)(16)(17)检查的情况,(18)(19)的方差会是零,这就需要的参数方差是一个常数。因此,,所以。如果,要么是完全相关()或完全anticorrelated(),.标准偏差标准偏差的定义为一个概率分布平方根的方差,(1)(2)在哪里是的意思是,是第二个生的时刻,表示期望价值的。的方差因此,等于第二个中央的时刻(即。,时刻的意思是),(3)的平方根样本方差一组价值观是样本标准差(4)样例标准偏差分布有点复杂,虽然被充分研究过的和容易理解的,函数。然而,与普遍的不一致和模棱两可的术语一致,bias-corrected方差的平方根有时也被称为标准偏差,(5)标准偏差被实现为列表的数据StandardDeviation(列表)。物理科学家经常使用这个词均方根作为一个标准差的同义词时参考平方根的均方偏差量从一个给定的基线。标准差自然出现在数理统计通过其定义的第二个中央的时刻。然而,一个更自然,但更经常遇到测量的平均偏差的意思是这是用于描述统计学是所谓的平均偏差.标准差可以被定义为任何分布与有限的前两个时刻,但这是最常见的假设底层分布是正常的。在这种假设下,产生一个变量值置信区间词通常表示,(6)下表列出了置信区间对应于前几倍的标准偏差(同样假设数据是正态分布)。范围CI0.68268950.95449970.99730020.99993660.9999994找到对应于给定的标准偏差范围置信区间解决(5),给(7)CI范围0.8000.9000.9500.9900.9950.999参见协方差协方差提供了一个衡量相关性的强度的两个或两个以上的随机变量集。两个随机变量的协方差和,每样本大小定义的期望价值(1)(2)在哪里和是各自的意味着,可以写出明确(3)对于不相关的变量,(4)协方差是零。然而,如果变量是相关的,那么他们的协方差非零。事实上,如果,然后倾向于增加增加,如果,然后会减少,增加。注意,尽管统计总是不相关的独立变量,反过来不一定是真实的。的特殊情况,(5)(6)所以一般协方差减少方差。这激发了符号的使用,然后提供一个一致的方式表示方差作为,在那里是标准偏差.派生的数量(7)(8)被称为统计相关性的和.协方差看时尤其有用方差两个随机变量之和,因为(9)自定义的协方差是对称的(10)鉴于随机变量表示,...,的协方差的和被定义为(11)(12)在哪里和是意味着的和,分别。矩阵的数量被称为协方差矩阵.协方差服从的身份(13)(14)(15)(16)通过感应,因此遵循(17)(18)(19)(20)(21)参见:剩余剩余的总和是任意形式的偏离最佳曲线。的残余不应被混淆相关系数.最小二乘拟合,幂律给定一个函数的形式(1)最小二乘拟合给出了系数作为(2)(3)在哪里和.最小二乘拟合多项式从一条直线(即推广。,第一个多项式)届学位多项式(1)残了(2)的偏导数(同样滴标)(3)(4)(5)这些导致方程(6)(7)(8)或者,在矩阵形式(9)这是一个范德蒙矩阵。我们也可以获得矩阵最小二乘合适的写作(10)自左乘双方的转置的第一个矩阵然后给了(11)所以(12)像以前一样,点和拟合多项式系数,...,给了(13)在矩阵符号,方程给出了一个多项式适合(14)这可以通过自左乘的解决转置,(15)这矩阵方程可以解决数值,或者可以直接倒如果是形成良好,产生解决方案向量(16)设置在上面的方程繁殖线性的解决方案。参见:最小二乘拟合,垂直偏移量在实践中,垂直偏移量从一条线(多项式,表面,超平面等)几乎总是最小化,而不是垂直偏移量。这提供了一个独立变量的拟合函数估计对于一个给定的(通常一个实验者想要什么),允许在不确定性的数据点---相互重合,注册简单,并提供了一个更简单的解析形式的拟合参数将会获得比使用适合基于垂直偏移量。最佳适合的残差为一组线点使用unsquared垂直距离点的是由(1)因为一条线的垂直距离对点是由(2)函数是最小化(3)不幸的是,因为绝对值函数没有连续的衍生品,最小化是经不起分析解决方案。然而,如果垂直距离的平方(4)最小化相反,问题可以解决在封闭形式。是最低(5)和(6)前给(7)(8)而后者(9)但(10)(11)(10)成为(12)(13)(14)堵塞(◇)到(14),那么让(15)了不少代数后,结果是(16)所以定义(17)(18)和二次方程给了(19)与发现使用(◇)。注意的,而笨拙的形式制定的最佳参数。此外,最小化第二个——或者高阶多项式导致高阶多项式方程,这配方不能扩展。参见:最小二乘拟合,对数给定一个函数的形式(1)的系数可以找到的最小二乘拟合作为(2)(3)参见:最小二乘拟合指数适合的函数形式(1)取对数双方的(2)最佳值(3)(4)在哪里和.这符合赋予更大的权重很小值,为了同样重量的点,最好经常是最小化函数(5)应用最小二乘拟合给了(6)(7)(8)解和,(9)(10)在上面的图中,short-dashed曲线的符合计算(◇)和(◇)和long-dashed曲线的符合计算(9)和(10).条件分对数回归条件分对数回归假设的模型形式为,...,。在这个模型中,提出了主题选择的选择和要求选择最好的选择。此外,一系列的选择通常是相同的所有科目和解释变量都是choice-specific。相关相关性的程度两个或两个以上的量是线性相关的。在一个二维图,两个轴上的值之间的相关程度是由所谓的量化相关系数.关联一个变量的值与相应的值在不同的时间自相关.相关系数相关系数,有时也被称为互关联系数,是一个数量的质量最小二乘拟合原始数据。定义相关系数,首先考虑的平方值的总和,,一组数据点对各自的意思,(1)(2)(3)(4)(5)(6)(7)(8)(9)(10)(11)(12)这些数量只是非规范的形式方差和协方差的和给出的(13)(14)(15)线性最小二乘拟合,系数在(16)是由(17)(18)和系数在(19)是由(20)相关系数(有时也表示然后定义)(21)(2