Statistiche e Big Data generalized-linear-model

2

Perché GLM è diverso da un LM con variabile trasformata

Come spiegato in questo volantino del corso (pagina 1) , un modello lineare può essere scritto nel modulo: y=β1x1+⋯+βpxp+εi,y=β1x1+⋯+βpxp+εi, y = \beta_1 x_{1} + \cdots + \beta_p x_{p} + \varepsilon_i, dove yyy è la variabile di risposta e xixix_{i} è l' ithithi^{th} variabile esplicativa . Spesso con l'obiettivo di soddisfare …

16 regression generalized-linear-model data-transformation linear-model

1

La probabilità di log in GLM ha garantito la convergenza ai massimi globali?

Le mie domande sono: I modelli lineari generalizzati (GLM) sono garantiti per convergere ad un massimo globale? Se è così, perché? Inoltre, quali sono i vincoli sulla funzione di collegamento per assicurare la convessità? La mia comprensione dei GLM è che massimizzano una funzione di probabilità altamente non lineare. Immagino …

16 generalized-linear-model optimization convergence exponential-family

4

Qual è il miglior libro sui modelli lineari generalizzati per i principianti?

Sono ancora abbastanza nuovo per i modelli lineari generalizzati e faccio fatica con molta notazione nella maggior parte dei testi GLM che ho raccolto. Esistono libri GLM estremamente popolari che si prestano meglio alla leggibilità?

16 regression generalized-linear-model references

3

Come spiegheresti modelli lineari generalizzati a persone senza background statistico?

Ho sempre difficoltà a spiegare le tecniche statistiche al pubblico senza background statistico. Se volessi spiegare che cosa è GLM per tale pubblico (senza gettare gergo statistico), quale sarebbe il modo migliore o più efficace? Spiego di solito GLM con tre parti: (1) la componente casuale che è variabile di …

16 generalized-linear-model communication

2

I test di dispersione eccessiva nei GLM sono effettivamente * utili *?

Il fenomeno della "sovra-dispersione" in un GLM sorge ogni volta che utilizziamo un modello che limita la varianza della variabile di risposta e i dati mostrano una varianza maggiore di quella consentita dalla restrizione del modello. Ciò si verifica comunemente quando si modellano i dati di conteggio utilizzando un Poisson …

15 generalized-linear-model poisson-regression overdispersion quasi-likelihood

3

Usando glm () come sostituto del semplice test chi quadrato

Sono interessato a modificare le ipotesi null utilizzando glm()in R. Per esempio: x = rbinom(100, 1, .7) summary(glm(x ~ 1, family = "binomial")) verifica l'ipotesi che . Cosa succede se desidero modificare il valore null in = un valore arbitrario, all'interno ? p = 0,5p=0.5p = 0.5pppglm() So che questo …

15 r hypothesis-testing generalized-linear-model chi-squared offset

4

L'accuratezza della macchina con incremento gradiente diminuisce all'aumentare del numero di iterazioni

Sto sperimentando l'algoritmo della macchina per aumentare il gradiente tramite il caretpacchetto in R. Utilizzando un piccolo set di dati di ammissione al college, ho eseguito il seguente codice: library(caret) ### Load admissions dataset. ### mydata <- read.csv("http://www.ats.ucla.edu/stat/data/binary.csv") ### Create yes/no levels for admission. ### mydata$admit_factor[mydata$admit==0] <- "no" mydata$admit_factor[mydata$admit==1] <- …

15 machine-learning caret boosting gbm hypothesis-testing t-test panel-data psychometrics intraclass-correlation generalized-linear-model categorical-data binomial model intercept causality cross-correlation distributions ranks p-value z-test sign-test time-series references terminology cross-correlation definition probability distributions beta-distribution inverse-gamma missing-data paired-comparisons paired-data clustered-standard-errors cluster-sample time-series arima logistic binary-data odds-ratio medicine hypothesis-testing wilcoxon-mann-whitney unsupervised-learning hierarchical-clustering neural-networks train clustering k-means regression ordinal-data change-scores machine-learning experiment-design roc precision-recall auc stata multilevel-analysis regression fitting nonlinear jmp r data-visualization gam gamm4 r lme4-nlme many-categories regression causality instrumental-variables endogeneity controlling-for-a-variable

2

Specificare una struttura di covarianza: pro e contro

Quali sono i vantaggi di specificare una struttura di covarianza in un GLM (piuttosto che trattare tutte le voci fuori diagonale nella matrice di covarianza come zero)? Oltre a riflettere ciò che si sa dei dati, lo fa migliorare la bontà di adattamento? migliorare la precisione predittiva dei dati dati? …

15 generalized-linear-model covariance

3

Un modello per dati non negativi con aggregazione agli zeri (Tweedie GLM, GLM a zero inflazione, ecc.) Può prevedere zeri esatti?

Una distribuzione Tweedie può modellare dati distorti con una massa in punti pari a zero quando il parametro (esponente nella relazione media-varianza) è compreso tra 1 e 2.ppp Allo stesso modo un modello a zero inflazione (sia continuo che discreto) può avere un gran numero di zeri. Ho difficoltà a …

15 r generalized-linear-model prediction zero-inflation tweedie-distribution

2

Come affrontare un errore come "Coefficienti: 14 non definito a causa delle singolarità" in R?

Quando si esegue un GLM e si ottiene l'errore "non definito a causa delle singolarità" nell'output di anova, come si fa a contrastare questo errore? Alcuni hanno suggerito che è dovuto alla collinearità tra covariate o che uno dei livelli non è presente nel set di dati (vedi: interpretazione "non …

15 r generalized-linear-model regression-coefficients

2

Perché la regressione lineare ha ipotesi sul modello lineare residuo ma generalizzato ha ipotesi sulla risposta?

Perché la regressione lineare e il modello generalizzato hanno ipotesi incoerenti? Nella regressione lineare, assumiamo che il residuo derivi dalla forma gaussiana In altre regressioni (regressione logistica, regressione del veleno), assumiamo che la risposta provenga da una certa distribuzione (binomiale, povertà ecc.). Perché a volte assumono il tempo residuo e …

14 regression generalized-linear-model assumptions linear

1

In che modo gli effetti casuali con 1 sola osservazione influenzeranno un modello misto lineare generalizzato?

Ho un set di dati in cui la variabile che vorrei usare come effetto casuale ha una sola osservazione per alcuni livelli. Sulla base delle risposte alle domande precedenti, ho raccolto che, in linea di principio, questo può andare bene. Posso adattare un modello misto a soggetti che hanno solo …

14 r mixed-model generalized-linear-model glmm lme4-nlme

2

GLM: verifica della scelta della funzione di distribuzione e collegamento

Ho un modello lineare generalizzato che adotta una distribuzione gaussiana e una funzione log link. Dopo aver adattato il modello, controllo i residui: diagramma QQ, residui vs valori previsti, istogramma dei residui (riconoscendo che è necessaria la dovuta cautela). Sembra tutto a posto. Questo sembra suggerire (per me) che la …

14 regression generalized-linear-model link-function

6

Tempo trascorso in un'attività come variabile indipendente

Voglio includere il tempo impiegato a fare qualcosa (settimane di allattamento al seno, ad esempio) come variabile indipendente in un modello lineare. Tuttavia, alcune osservazioni non coinvolgono affatto il comportamento. Codificarli come 0 non è proprio giusto, perché 0 è qualitativamente diverso da qualsiasi valore> 0 (cioè le donne che …

14 regression generalized-linear-model mixture

2

L'uso dei dati di conteggio come variabile indipendente viola una qualsiasi delle ipotesi GLM?

Vorrei utilizzare i dati di conteggio come covariate mentre si adattava un modello di regressione logistica. La mia domanda è: Violo l'assunzione dei modelli logistici (e, più in generale, dei lineari generalizzati) utilizzando variabili di numero intero non negativo come variabili indipendenti? Ho trovato molti riferimenti in letteratura riguardo a …

14 generalized-linear-model count-data

Domande taggate «generalized-linear-model»