variance

    1

    1答えて

    私はxの対散布図を持っています。私はプロットの真ん中にアブラインを描きました。私は、アブラインの左側にあるポイントの分散を計算したいと思い、アブラインの右側にあるポイントの分散を計算したいと思います。これはおそらく比較的単純な問題ですが、私は解決策を見つけるのに苦労しています。アドバイスをいただければ幸いです。前もって感謝します。 x = rnorm(100,mean=12,sd=2)

    0

    1答えて

    私は、出力の変動を取得したいので、variance_data = var(data) を使用var()などの記号を取っPRBSまたはデータに適用可能である data = 2*(rand(100,1)>0.5)-1 として、私は [+1,-1]に値をとるPRBS値を生成しています [+3,-3,+7,-7,+5,-5]など?

    1

    1答えて

    私は最近、python用の統計モジュールの使用を開始しました。 私は、デフォルトで分散()メソッドは '公平' の分散や標本分散を返すことに気付きました: import statistics as st from random import randint def myVariance(data): # finds the variance of a given set of nu

    2

    1答えて

    にGLSする分散構造を適用し、私はその後、weights引数を使用して、モデルに固定された分散構造を追加しようとR. でnlmeパッケージのgls機能を使用してモデルを作成しました。 しかし、メモリの割り当てについては、まあまあのようです。 glsEstimate(オブジェクト、コントロール=コントロール)で エラー: 'のcallocは、' メモリ(18446744073709551616 8の

    0

    1答えて

    私はこのような学習曲線を見たことがありません。私はそうです、その巨大なオーバーフィットが起こりますか?このモデルは、トレーニングデータの方が優れており、テストデータの方が一般化しています。 通常、分散が大きい場合は、ここで例を挙げてください。この場合、彼らは、私は疑うことはありません。何故ですか?なぜこのような学習曲線の例が文献/チュートリアルで簡単に見つからないのか? Learning curv

    -1

    2答えて

    Rstudioの小さなデータセットでVIFを計算すると、次のエラーが発生します。誰でも助けてくれますか?必要に応じて、データセットに関する詳細情報を提供することができます。 "as.vector(y)のエラー - 平均(y)バイナリ 演算子への非数値引数"。 データセット:80 obs。 15個の変数(すべての変数が数値です)続く ステップ:ここで # 1. Determine correlati

    1

    1答えて

    私は与えられたデータのサンプル共分散を計算しようとしています。 私が書いたコードは次のとおりです。 def calcCov(x): m, n = x.shape mean = np.mean(x, axis=0) cov = np.zeros((n, n)) for j in range(0, n): for k in range(0, n):

    1

    1答えて

    私は非線形次元削減を実行したい画像のデータセットを持っています。使用するアウトプットディメンションの数を決めるには、保持されている分散(または説明された分散を見つけることができる必要があります。 Scikit-learnには、多様な学習アルゴリズムの中から最良の選択肢があるようですが、分散分散統計を得る方法はありません。 scikit-learn APIの一部が欠けているか、または保持された分散を

    0

    1答えて

    これを行うまで、私はこれがどのように機能するかを知っていると仮定しました。ただし、次のコードは例外をスローします。 class MyClass { public string MyProperty { get; set; } } class TestOC : ObservableCollection<MyClass> { } class Program {

    0

    1答えて

    私はライブラリrugarchを使用していますが、ライブラリと同じ出力を「手動で」探して、すべてを正しく理解しているかどうかを確認します。 私の分散傍受(オメガ)を私のデータセットの無条件分散と等しくしたいと思います。したがって、ugarchspec関数でvariance.targeting = TRUEを設定しました。 私は私の無条件共分散がほぼ同等であることを確認できます。 シグマ:しかし、私は