«poisson-distribution» etiketlenmiş sorular

Ortalamanın varyansa eşit olduğu özelliğine sahip negatif olmayan tamsayılarda tanımlanan ayrık dağılım.

3
Bir örnek: ikili sonuç için glmnet kullanarak LASSO regresyonu
Ben kullanımı ile serpmek başlıyorum glmnetile LASSO Regresyon ilgi benim sonuç dikotom olduğunu. Aşağıda küçük bir sahte veri çerçevesi oluşturdum: age <- c(4, 8, 7, 12, 6, 9, 10, 14, 7) gender <- c(1, 0, 1, 1, 1, 0, 1, 0, 0) bmi_p <- c(0.86, 0.45, 0.99, 0.84, 0.85, 0.67, …
77 r  self-study  lasso  regression  interpretation  anova  statistical-significance  survey  conditional-probability  independence  naive-bayes  graphical-model  r  time-series  forecasting  arima  r  forecasting  exponential-smoothing  bootstrap  outliers  r  regression  poisson-distribution  zero-inflation  genetic-algorithms  machine-learning  feature-selection  cart  categorical-data  interpretation  descriptive-statistics  variance  multivariate-analysis  covariance-matrix  r  data-visualization  generalized-linear-model  binomial  proportion  pca  matlab  svd  time-series  correlation  spss  arima  chi-squared  curve-fitting  text-mining  zipf  probability  categorical-data  distance  group-differences  bhattacharyya  regression  variance  mean  data-visualization  variance  clustering  r  standard-error  association-measure  somers-d  normal-distribution  integral  numerical-integration  bayesian  clustering  python  pymc  nonparametric-bayes  machine-learning  svm  kernel-trick  hyperparameter  poisson-distribution  mean  continuous-data  univariate  missing-data  dag  python  likelihood  dirichlet-distribution  r  anova  hypothesis-testing  statistical-significance  p-value  rating  data-imputation  censoring  threshold 

4
Poisson ve üstel dağılım arasındaki ilişki
Poisson dağılımının bekleme süreleri lambda parametresi ile üssel bir dağılımdır. Ama anlamıyorum. Poisson, örneğin zaman birimi başına düşen varış sayısını modellemektedir. Bunun üstel dağılımla ilgisi nedir? Diyelim ki k varış zamanının bir birim içindeki olasılığı P (k) (poisson tarafından modellenmiştir) ve k + 1'in olasılığı P (k + 1), üstel …

1
Poisson regresyonundaki katsayılar nasıl yorumlanır?
Poisson regresyonundaki ana etkileri (yapay kodlanmış faktör katsayıları) nasıl yorumlayabilirim? Aşağıdaki örneği varsayın: treatment <- factor(rep(c(1, 2), c(43, 41)), levels = c(1, 2), labels = c("placebo", "treated")) improved <- factor(rep(c(1, 2, 3, 1, 2, 3), c(29, 7, 7, 13, 7, 21)), levels = c(1, 2, 3), labels = c("none", "some", …

1
Sayma verileri için karekök dönüşümü neden önerilir?
Sayılarınız varken karekök almanız önerilir. (CV bazı örnekler için HarveyMotulsky cevabı @ bakınız burada ya whuber cevabı @ burada Poisson olarak dağıtılan bir yanıt değişkeni bulunan genelleştirilmiş doğrusal modelin yerleştirilmesi sırasında.) Öte yandan, günlük olduğunu kurallı bağlantı . Bu, yanıt verilerinizin bir günlük dönüşümünü almak gibi bir şeydir (daha doğrusu …

2
İkili sonuçlar için göreceli riski tahmin etmek için Poisson regresyonu
Kısa özet Poisson regresyonunun aksine (göreceli risklerle), ikili sonuçlara sahip kohort çalışmalarında lojistik regresyonun (oran oranlarıyla) kullanılması neden daha yaygın? Arka fon Lisans ve lisansüstü istatistik ve epidemiyoloji kursları, benim deneyimlerime göre, genellikle risk oranları tahmin oranları olarak rapor edilen ikili tahminlerle verileri modellemek için lojistik regresyonun kullanılması gerektiğini öğretiyor. …


3
Neden bir lojistik regresyonun% 95 güven aralığında manuel olarak hesaplanması ile R'deki confint () fonksiyonunun kullanılması arasında bir fark var?
Sevgili millet - Açıklayamayacağım tuhaf bir şey fark ettim, ya sen? Özetle: bir lojistik regresyon modelinde bir güven aralığı hesaplamaya yönelik manuel yaklaşım ve R işlevi confint()farklı sonuçlar verir. Hosmer ve Lemeshow'un Applied Logistic Regresyon (2. Basım) bölümünden geçiyorum . 3. bölümde, oran oranını ve% 95 güven aralığını hesaplama örneği …
34 r  regression  logistic  confidence-interval  profile-likelihood  correlation  mcmc  error  mixture  measurement  data-augmentation  r  logistic  goodness-of-fit  r  time-series  exponential  descriptive-statistics  average  expected-value  data-visualization  anova  teaching  hypothesis-testing  multivariate-analysis  r  r  mixed-model  clustering  categorical-data  unsupervised-learning  r  logistic  anova  binomial  estimation  variance  expected-value  r  r  anova  mixed-model  multiple-comparisons  repeated-measures  project-management  r  poisson-distribution  control-chart  project-management  regression  residuals  r  distributions  data-visualization  r  unbiased-estimator  kurtosis  expected-value  regression  spss  meta-analysis  r  censoring  regression  classification  data-mining  mixture 

2
Poisson dağıtılmış veriler için bir kutu grafiği varyantı var mı?
Poisson dağıtılmış verilerine (ya da muhtemelen diğer dağıtımlara) uyarlanmış bir kutu grafiği varyantı olup olmadığını bilmek ister misiniz? Gauss dağılımında, L = Q1 - 1.5 IQR ve U = Q3 + 1.5 IQR’ya yerleştirilen bıyıklar, boxplot’ın kabaca yüksek aykırı değerler (L'nin altındaki noktalar) olduğu kadar kabaca (L'nin altındaki noktalar) olacağı …

4
Aşırı dağınık poisson sonuçları için çok seviyeli bir modeli nasıl takabilirim?
Ben R kullanarak Poisson dağılımlı (fazla dağılımlı) çok seviyeli bir GLMM'ye uymak istiyorum. Şu anda lme4 kullanıyorum ancak yakın zamanda quasipoissonailenin çıkarıldığını fark ettim . Başka bir yerde, gözlem başına bir seviye ile rastgele bir kesişme ekleyerek binom dağılımları için ilave aşırı dağılım modelleyebileceğinizi görmüştüm. Bu, poisson dağılımı için de …





5
Makine öğrenmesinde hiyerarşik / iç içe geçmiş verilerle nasıl baş edilir
Sorunumu bir örnekle açıklayacağım. Bazı nitelikler verilen bir bireyin gelirini tahmin etmek istediğinizi varsayalım: {Yaş, Cinsiyet, Ülke, Bölge, Şehir}. Bunun gibi bir eğitim veri setine sahipsiniz train <- data.frame(CountryID=c(1,1,1,1, 2,2,2,2, 3,3,3,3), RegionID=c(1,1,1,2, 3,3,4,4, 5,5,5,5), CityID=c(1,1,2,3, 4,5,6,6, 7,7,7,8), Age=c(23,48,62,63, 25,41,45,19, 37,41,31,50), Gender=factor(c("M","F","M","F", "M","F","M","F", "F","F","F","M")), Income=c(31,42,71,65, 50,51,101,38, 47,50,55,23)) train CountryID RegionID CityID …
29 regression  machine-learning  multilevel-analysis  correlation  dataset  spatial  paired-comparisons  cross-correlation  clustering  aic  bic  dependent-variable  k-means  mean  standard-error  measurement-error  errors-in-variables  regression  multiple-regression  pca  linear-model  dimensionality-reduction  machine-learning  neural-networks  deep-learning  conv-neural-network  computer-vision  clustering  spss  r  weighted-data  wilcoxon-signed-rank  bayesian  hierarchical-bayesian  bugs  stan  distributions  categorical-data  variance  ecology  r  survival  regression  r-squared  descriptive-statistics  cross-section  maximum-likelihood  factor-analysis  likert  r  multiple-imputation  propensity-scores  distributions  t-test  logit  probit  z-test  confidence-interval  poisson-distribution  deep-learning  conv-neural-network  residual-networks  r  survey  wilcoxon-mann-whitney  ranking  kruskal-wallis  bias  loss-functions  frequentist  decision-theory  risk  machine-learning  distributions  normal-distribution  multivariate-analysis  inference  dataset  factor-analysis  survey  multilevel-analysis  clinical-trials 

3
Poisson dağılımının normal dağılımdan farkı nedir?
Aşağıdaki gibi Poisson dağılımına sahip bir vektör oluşturdum: x = rpois(1000,10) Kullanarak bir histogram yaparsam hist(x), dağıtım bilinen bir çan şeklindeki normal dağılıma benziyor. Bununla birlikte, Kolmogorov-Smirnoff testi kullanılarak ks.test(x, 'pnorm',10,3)yapılan bir test , dağılımın çok küçük bir pdeğere bağlı olarak normal dağılımdan önemli ölçüde farklı olduğunu söylüyor . Öyleyse …

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