«logarithm» etiketlenmiş sorular

Bir sayının logaritması, sayıyı elde etmek için tabanın yükseltilmesi gereken kuvvettir.

2
Ne zaman (ve neden) bir dağıtım günlüğünü (sayıların) almalısınız?
Örneğin, geçmiş hisse senedi fiyatları, havayolu bilet fiyatı dalgalanmaları, şirketin geçmiş finansal verileri gibi bazı geçmiş verilere sahibim ... Şimdi birileri (ya da bazı formüller) gelir ve "hadi dağıtım günlüğünü alalım / kullanalım" der ve işte NEREYE GİTİRİM ? Sorular: Niçin birincisi dağıtım günlüğünü almalı? Dağıtım günlüğü, orijinal dağıtımın yapamayacağı …


3
Kütle dönüştürülmüş yordayıcının ve / veya tepkinin yorumlanması
Merak ediyorum, yorumlamada sadece bağımlı, bağımsız veya bağımsız değişkenlerin mi yoksa sadece bağımsız değişkenlerin log dönüşümünde mi olduğunu fark eder mi? Durumunu düşünün log(DV) = Intercept + B1*IV + Error IV'ü yüzde artış olarak değerlendirebilirim, ancak sahip olduğumda bu nasıl değişir? log(DV) = Intercept + B1*log(IV) + Error veya sahipken …
46 regression  data-transformation  interpretation  regression-coefficients  logarithm  r  dataset  stata  hypothesis-testing  contingency-tables  hypothesis-testing  statistical-significance  standard-deviation  unbiased-estimator  t-distribution  r  functional-data-analysis  maximum-likelihood  bootstrap  regression  change-point  regression  sas  hypothesis-testing  bayesian  randomness  predictive-models  nonparametric  terminology  parametric  correlation  effect-size  loess  mean  pdf  quantile-function  bioinformatics  regression  terminology  r-squared  pdf  maximum  multivariate-analysis  references  data-visualization  r  pca  r  mixed-model  lme4-nlme  distributions  probability  bayesian  prior  anova  chi-squared  binomial  generalized-linear-model  anova  repeated-measures  t-test  post-hoc  clustering  variance  probability  hypothesis-testing  references  binomial  profile-likelihood  self-study  excel  data-transformation  skewness  distributions  statistical-significance  econometrics  spatial  r  regression  anova  spss  linear-model 


6
Kırılmış eksenlere alternatifler nelerdir?
Kullanıcılar genellikle aynı grafikte farklı büyüklükteki siparişlerin verilerini sunmak için eksen değerlerini kırmaya çalışırlar ( buraya bakın ). Bu uygun olsa da, verileri görüntülemek için her zaman tercih edilen yol değildir (en iyi ihtimalle yanıltıcı olabilir). Farklı büyüklük derecelerinde farklı olan verileri göstermenin alternatif yolları nelerdir? Verileri log-dönüştürmek veya kafes …


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 

4
İstatistikte ben üstlenmesi gerektiğini için ortalama veya doğal logaritma ?
İstatistikleri inceliyorum ve genellikle içeren formüller ile karşılaşıyorum logve bunu standart anlamı log, yani temel 10 olarak yorumlamalıysam veya istatistiklerde sembolün log genellikle doğal log olduğu varsayılırsa her zaman kafam karışır ln. Özellikle örnek olarak Good-Turing Frekans Tahminini inceliyorum , ama sorum daha genel bir soru.

1
Log olasılığı, olasılıkların çarpımı
Buna göre wikipedia makalesinde , tek olasılıkların ürünü temsil edebilir x⋅yolarak -log(x) - log(y)sayısal olarak daha optimal olan hesaplamasını yaparak. Ama bir örnek denerseniz şunu söyleyin: p1 = 0.5 p2 = 0.5 p1 * p2 = 0.25 -log(p1) - log(p2) = 2 p3 = 0.1 p4 = 0.1 p3 * …

2
Bir gama rasgele değişkeninin logaritmasının çarpıklığı
Gama rasgele değişkeni düşünün X∼Γ(α,θ)X∼Γ(α,θ)X\sim\Gamma(\alpha, \theta). Ortalama, varyans ve çarpıklık için düzgün formüller vardır: E[X]Var[X]Skewness[X]=αθ=αθ2=1/α⋅E[X]2=2/α−−√E[X]=αθVar⁡[X]=αθ2=1/α⋅E[X]2Skewness⁡[X]=2/α\begin{align} \mathbb E[X]&=\alpha\theta\\ \operatorname{Var}[X]&=\alpha\theta^2=1/\alpha\cdot\mathbb E[X]^2\\ \operatorname{Skewness}[X]&=2/\sqrt{\alpha} \end{align} Şimdi log dönüştürülmüş rasgele değişkeni düşünün . Wikipedia, ortalama ve varyans için formüller verir:Y=log(X)Y=log⁡(X)Y=\log(X) E[Y]Var[Y]=ψ(α)+log(θ)=ψ1(α)E[Y]=ψ(α)+log⁡(θ)Var⁡[Y]=ψ1(α)\begin{align} \mathbb E[Y]&=\psi(\alpha)+\log(\theta)\\ \operatorname{Var}[Y]&=\psi_1(\alpha)\\ \end{align} gama fonksiyonunun logaritmasının birinci ve ikinci türevleri olarak tanımlanan digamma …

2
Temel bileşen analizi yapmadan önce verileri neden log dönüşümü?
Burada bir öğreticiyi takip ediyorum: PCA'yı daha iyi anlamak için http://www.r-bloggers.com/computing-and-visualizing-pca-in-r/ . Eğitici Iris veri kümesini kullanır ve PCA'dan önce bir günlük dönüşümü uygular: [1] ve seti tarafından önerildiği gibi Bildirimi aşağıdaki kodda biz sürekli değişkenler için bir günlük dönüşümü geçerli olduğunu centerve scalehiç eşit TRUEçağrısında prcompönce PCA uygulanmasından değişkenleri …

2
Negatif değerleri logaritmalara nasıl dönüştürebilirim?
Log()Heteroskedastik verilerim olduğu için negatif değerlerin nasıl dönüştürüleceğini bilmek istiyorum . Formül ile çalıştığını okudum Log(x+1)ama bu veritabanımla çalışmıyor ve sonuç olarak NaN'leri almaya devam ediyorum. Örneğin, bu Uyarı iletisini alıyorum (Negatif değerlerimden biriyle bir örnek göstermek için yeterli olduğunu düşündüğümden tam veritabanımı koymadım): > log(-1.27+1) [1] NaN Warning message: …
12 r  logarithm 

2
Logaritmik Ofsetli İkili Modeller (Probit ve Logit)
Probit ve logit gibi ikili modellerde ofsetin nasıl çalıştığının bir türevi var mı? Benim sorunumda, takip penceresinin uzunluğu değişebilir. Hastaların tedavi olarak profilaktik bir atış yaptığını varsayalım. Atış farklı zamanlarda gerçekleşir, bu nedenle sonuç herhangi bir alevlenmenin olup olmadığının ikili bir göstergesi ise , bazı kişilerin semptomları göstermek için daha …

1
Günlüğe kaydedilen değişkenler neden kullanılır?
Muhtemelen, bu çok temel bir soru ama bunun için sağlam bir cevap bulamıyorum. Umarım burada yapabilirim. Şu anda kendi yüksek lisans tezime hazırlık olarak kağıtları okuyorum. Şu anda, tweetler ve borsa özellikleri arasındaki ilişkiyi araştıran bir makale okuyorum. Hipotezlerinden birinde, "artan tweet hacminin ticaret hacmindeki artışla ilişkili olduğunu" ileri sürüyorlar. …

2
Günlük farkı zaman serisi modelleri büyüme hızlarından daha mı iyidir?
Genellikle yazarların "günlük farkı" modelini tahmin ettiğini görüyorum, ör. log(yt)−log(yt−1)=log(yt/yt−1)=α+βxtlog⁡(yt)−log⁡(yt−1)=log⁡(yt/yt−1)=α+βxt\log (y_t)-\log(y_{t-1}) = \log(y_t/y_{t-1}) = \alpha + \beta x_t Bunu ilişkilendirmek uygun katılıyorum bir yüzde değişim ise olduğu .xtxtx_tytyty_tlog(yt)log⁡(yt)\log (y_t)I(1)I(1)I(1) Ancak log farkı yaklaşık bir değerdir ve log dönüşümü olmayan bir modeli de tahmin edebiliriz, ör. yt/yt−1−1=(yt−yt−1)/yt−1=α+βxtyt/yt−1−1=(yt−yt−1)/yt−1=α+βxty_t/y_{t-1} -1 = (y_t - …

Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.