«link-function» etiketlenmiş sorular

Parametrenin aralığını (0'dan 1'e veya yalnızca pozitif değerler, örneğin) gerçek sayı doğrusuna eşlemek için genelleştirilmiş doğrusal modelin önemli bir parçası olarak kullanılan bir yanıt dağılımını yöneten bir parametrenin dönüşümü (,+).



4
Bir log-dönüştürülmüş cevap değişkeni için LM ve GLM arasında seçim yapma
Genelleştirilmiş Doğrusal Model (GLM) ile Doğrusal Model (LM) kullanmanın ardındaki felsefeyi anlamaya çalışıyorum. Aşağıda örnek bir veri seti oluşturdum. kütük( y) = x + εlog⁡(y)=x+ε\log(y) = x + \varepsilon Örnek, büyüklüğünün bir işlevi olarak hatasını içermez , bu nedenle log-dönüştürülmüş y'nin doğrusal bir modelinin en iyi olacağını varsayardım. Aşağıdaki örnekte, …


1
Doğrusal olmayan ve genelleştirilmiş doğrusal model: Lojistik, Poisson, vb. Regresyondan nasıl bahsedersiniz?
Anlambilim hakkında, istatistikçilerin görüşlerini almak istediğim bir sorum var. Lojistik, Poisson vb. Modellerin genelleştirilmiş doğrusal modellerin çatısı altına girdiğini biliyoruz. Model, uygun link işlevi kullanılarak doğrusal model çerçevesi kullanılarak modellenebilecek parametrelerin doğrusal olmayan işlevlerini içerir. Lojistik regresyon gibi durumları şöyle düşünür müsün? Lineer olmayan model, parametrelerin şeklini verilen Doğrusal model, …

4
Uç durumlarda hassaslık ve geri çağırma için doğru değerler nelerdir?
Hassasiyet şu şekilde tanımlanır: p = true positives / (true positives + false positives) Gibi, bu doğru mu true positivesve false positiveshassas 1 yaklaşır yaklaşım 0? Hatırlama için aynı soru: r = true positives / (true positives + false negatives) Şu anda bu değerleri hesaplamam gereken bir istatistiksel test uyguluyorum …
20 precision-recall  data-visualization  logarithm  references  r  networks  data-visualization  standard-deviation  probability  binomial  negative-binomial  r  categorical-data  aggregation  plyr  survival  python  regression  r  t-test  bayesian  logistic  data-transformation  confidence-interval  t-test  interpretation  distributions  data-visualization  pca  genetics  r  finance  maximum  probability  standard-deviation  probability  r  information-theory  references  computational-statistics  computing  references  engineering-statistics  t-test  hypothesis-testing  independence  definition  r  censoring  negative-binomial  poisson-distribution  variance  mixed-model  correlation  intraclass-correlation  aggregation  interpretation  effect-size  hypothesis-testing  goodness-of-fit  normality-assumption  small-sample  distributions  regression  normality-assumption  t-test  anova  confidence-interval  z-statistic  finance  hypothesis-testing  mean  model-selection  information-geometry  bayesian  frequentist  terminology  type-i-and-ii-errors  cross-validation  smoothing  splines  data-transformation  normality-assumption  variance-stabilizing  r  spss  stata  python  correlation  logistic  logit  link-function  regression  predictor  pca  factor-analysis  r  bayesian  maximum-likelihood  mcmc  conditional-probability  statistical-significance  chi-squared  proportion  estimation  error  shrinkage  application  steins-phenomenon 

5
İstatistikçiler bir bitkinin aşırı sulanamayacağını mı yoksa sadece eğrisel regresyon için yanlış arama terimlerini mi kullanıyorum?
Ben, lineer regresyon ve GLM okumak neredeyse her şey bu kaynar: f ( x , β ) bir non-arttırılması ya da işlevini azalmayan x ve β Eğer tahmin parametresi ve bir testtir hakkında hipotezler. Y'yi f ( x'in doğrusal bir işlevi haline getirmek için düzinelerce bağlantı işlevi ve y ve …

3
Hangi glm ailesinin kullanılacağına nasıl karar verilir?
Birkaç farklı toplama teknikleri arasında karşılaştırmaya çalıştığım balık yoğunluğu verileri var, veriler çok sayıda sıfır var ve histogram yoğunlukları tamsayı olmadığı dışında bir poisson dağılımı için uygun vaugley görünüyor. GLM'ler için nispeten yeniyim ve son birkaç günü hangi dağıtımın kullanılacağını nasıl anlayacağımı öğrenmek için çevrimiçi olarak geçirdim, ancak bu kararı …

4
Logit işlevi, ikili verilerin regresyon modellemesi için her zaman en iyisidir?
Bu sorunu düşünüyorum. İkili verileri modellemek için olağan lojistik fonksiyon: Ancak S-şekilli bir eğri olan logit işlevi, verileri modellemek için her zaman en iyisidir? Belki de verilerinizin normal S-şekilli eğriyi değil, etki alanı(0,1)olan farklı bir eğri türünü takip ettiğine inanmak için nedeniniz vardır.log(p1−p)=β0+β1X1+β2X2+…log⁡(p1−p)=β0+β1X1+β2X2+… \log\left(\frac{p}{1-p}\right)=\beta_0+\beta_1X_1+\beta_2X_2+\ldots (0,1)(0,1)(0,1) Bu konuda herhangi bir araştırma …

2
GLM: bir dağıtım ve bağlantı işlevi seçimini doğrulama
Gauss dağılımı ve log link fonksiyonunu benimseyen genelleştirilmiş doğrusal bir modelim var. Modeli yerleştirdikten sonra, kalıntıları kontrol ediyorum: QQ grafiği, kalıntılar ile tahmin edilen değerler, artıkların histogramı (dikkatli olunması gerektiğini kabul ederek). Her şey iyi gözüküyor. Bu, bana göre, bir Gauss dağılımı seçiminin oldukça makul olduğunu gösteriyor. Ya da en …

1
Bir GLM'nin MLE'sini bulmak için IRLS yönteminin basit bir sezgisel açıklamasını verebilir misiniz?
Arka fon: Princeton'ın GLM için MLE tahminini incelemeye çalışıyorum . Ben MLE tahmin temellerini anlamak: likelihood, score, gözlenen ve beklenen Fisher informationve Fisher scoringtekniği. Ve MLE tahmini ile basit doğrusal regresyonun nasıl gerekçelendirileceğini biliyorum . Soru: Bu yöntemin ilk satırını bile anlayamıyorum :( çalışma değişkenlerinin arkasındaki sezgi nedir :ziziz_i zi=η^i+(yi−μ^i)dηidμizi=η^i+(yi−μ^i)dηidμi …

2
Poisson Regresyonu için Kimlik Bağlantısına Karşı Log Link'in Artıları ve Eksileri
Ben karşılaştırarak (ve farkını alarak) benim modelinde iki faktör düzeyleri arasında tahmin edilen ortalama sayımlar sonu hedefi olan bir Poisson regresyon yerine getiriyorum: , tutma sırasında diğer model ortak değişkenler (hepsi ikili) sabittir. Herkes ne zaman bir günlük bağlantısı kimlik kimlik karşı kullanılacağı konusunda bazı pratik tavsiyeler verebilir olmadığını merak …


1
GLM'de kanonik bağlantı fonksiyonunun hesaplanması
Kanonik bağ fonksiyonunun g(⋅)g(⋅)g(\cdot) üstel ailenin doğal parametresinden geldiğini düşündüm . Diyelim ki f ( y , θ , ψ ) = exp { y θ - b ( θ ) ailesini düşünün f(y,θ,ψ)=exp{yθ−b(θ)a(ψ)−c(y,ψ)}f(y,θ,ψ)=exp⁡{yθ−b(θ)a(ψ)−c(y,ψ)} f(y,\theta,\psi)=\exp\left\{\frac{y\theta-b(\theta)}{a(\psi)}-c(y,\psi)\right\} sonraθ=θ(μ)θ=θ(μ)\theta=\theta(\mu)standart bağlantı işlevidir. Örnek olarakBernoulli dağılımınıelealalım, P(Y=y)=μy(1−μ)1−y=exp{ylogμ1−μ+log(1−μ)}P(Y=y)=μy(1−μ)1−y=exp⁡{ylog⁡μ1−μ+log⁡(1−μ)} P(Y=y)=\mu^{y}(1-\mu)^{1-y}=\exp\left\{y\log\frac{\mu}{1-\mu}+\log{(1-\mu)}\right\} Yani, kanonik bağlantı fonksiyonug(μ)=logμ1−μg(μ)=log⁡μ1−μg(\mu)=\log\frac{\mu}{1-\mu} Ama bu slaydı …

3
Nüfus r-kare değişiminde güven aralığı nasıl elde edilir
Basit bir örnek uğruna iki doğrusal regresyon modeli olduğunu varsayalım. Model 1 sahiptir üç belirleyicileri x1a, x2bvex2c Model 2, model 1'den üç öngörücüye ve iki ek öngörücüye sahiptir x2avex2b Kitle varyansı olduğu açıklanmıştır nüfus regresyon denklemi vardır Model 1 için ve Model 2 için artan varyans nüfus içinde Model 2 …
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.