Domande taggate «data-transformation»

Re-espressione matematica, spesso non lineare, di valori di dati. I dati vengono spesso trasformati per soddisfare le ipotesi di un modello statistico o per rendere più interpretabili i risultati di un'analisi.

4
Come interpretare i coefficienti trasformati logaritmicamente nella regressione lineare?
La mia situazione è: Ho 1 variabile continua dipendente e 1 variabile predittore continua che ho trasformato logaritmicamente per normalizzare i loro residui per una semplice regressione lineare. Gradirei qualsiasi aiuto su come posso collegare queste variabili trasformate al loro contesto originale. Voglio utilizzare una regressione lineare per prevedere il …
5
Quali altre trasformazioni normalizzanti vengono comunemente utilizzate oltre a quelle comuni come radice quadrata, log, ecc.?
Nell'analisi dei punteggi dei test (ad esempio, in Educazione o Psicologia), le tecniche di analisi comuni spesso presuppongono che i dati siano normalmente distribuiti. Tuttavia, forse il più delle volte, i punteggi tendono a deviare a volte selvaggiamente dal normale. Conosco alcune trasformazioni normalizzanti di base, come: radici quadrate, logaritmi, …
1
Perché non possiamo usare
Immagina di avere un modello di regressione lineare con variabile dipendente . Troviamo il suo . Ora facciamo un'altra regressione, ma questa volta su , e allo stesso modo troviamo la sua . Mi è stato detto che non posso confrontare entrambi per vedere quale modello è più adatto. Perché? …
2
Trasformazione delle statistiche degli ordini
Supponiamo che le variabili casuali e siano indipendenti e distribuite da . Mostra che ha un \ text {Exp} (1) distribuzione.X1,...,XnX1,...,XnX_1, ... , X_nY1,...,YnY1,...,YnY_1, ..., Y_nU(0,a)U(0,a)U(0,a)Zn=nlogmax(Y(n),X(n))min(Y(n),X(n))Zn=nlog⁡max(Y(n),X(n))min(Y(n),X(n))Z_n= n\log\frac{\max(Y_{(n)},X_{(n)})}{\min(Y_{(n)},X_{(n)})}Exp(1)Exp(1)\text{Exp}(1) Ho iniziato questo problema impostando {X1,...,Xn,Y1,...Yn}={Z1,...,Zn}{X1,...,Xn,Y1,...Yn}={Z1,...,Zn}\{X_1,...,X_n,Y_1,...Y_n\} = \{Z_1,...,Z_n\} Quindi il max(Yn,Xn)=Z(2n)max(Yn,Xn)=Z(2n)\max(Y_n,X_n)= Z_{(2n)} verrebbe distribuito come (za)2n(za)2n(\frac{z}{a})^{2n} e min(Yn,Xn)=Z(1)min(Yn,Xn)=Z(1)\min(Y_n,X_n)= Z_{(1)} verrebbe distribuito come 1−(1−za)2n1−(1−za)2n1 …
1
Standardizzare le funzionalità quando si utilizza LDA come fase di pre-elaborazione
Se un'analisi discriminante lineare multi-classe (o leggo talvolta anche analisi discriminante multipla) viene utilizzata per la riduzione della dimensionalità (o trasformazione dopo la riduzione della dimensionalità tramite PCA), capisco che in generale una "normalizzazione del punteggio Z" (o standardizzazione) di le funzionalità non saranno necessarie, anche se misurate su scale …
1
Trovare la distribuzione di una statistica
Studiare per un test. Non ho potuto rispondere a questo. Sia essere iid variabili casuali. DefinireX1,i,X2,i,X3,i,i=1,…,nX1,i,X2,i,X3,i,i=1,…,nX_{1,i},X_{2,i},X_{3,i}, i=1,\ldots,nN(0,1)N(0,1)\mathcal{N}(0,1) Wi=(X1,i+X2,iX3,i)/1+X23,i−−−−−−−√,i=1,…,nWi=(X1,i+X2,iX3,i)/1+X3,i2,i=1,…,nW_i = (X_{1,i} + X_{2,i}X_{3,i})/\sqrt{1 + X_{3,i}^2}, i = 1, \ldots, n , e ,W¯¯¯¯¯n=n−1∑ni=1WiW¯n=n−1∑i=1nWi\overline{W}_n = n^{-1}\sum_{i=1}^nW_i S2n=(n−1)−1∑ni=1(Wi−W¯¯¯¯¯n)2,n≥2.Sn2=(n−1)−1∑i=1n(Wi−W¯n)2,n≥2.S_n^2 = (n-1)^{-1}\sum_{i=1}^n(W_i - \overline{W}_n)^2, n \ge 2. Qual è la distribuzione di , ?W¯¯¯¯¯nW¯n\overline{W}_nS2nSn2S_n^2 Come …
4
Box Cox si trasforma per regressione
Sto cercando di adattare un modello lineare su alcuni dati con un solo predittore (diciamo (x, y)). I dati sono tali che per valori piccoli di x, i valori y si adattano perfettamente a una linea retta, tuttavia quando i valori x aumentano, i valori y diventano più volatili. Ecco …
Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.
Licensed under cc by-sa 3.0 with attribution required.