Domande taggate «linear-model»

Si riferisce a qualsiasi modello in cui una variabile casuale è correlata a una o più variabili casuali da una funzione che è lineare in un numero finito di parametri.

1
Probabilità massima limitata con un rango di colonna inferiore a
Questa domanda riguarda la stima della massima verosimiglianza limitata (REML) in una particolare versione del modello lineare, vale a dire: Y=X(α)β+ϵ,ϵ∼Nn(0,Σ(α)),Y=X(α)β+ϵ,ϵ∼Nn(0,Σ(α)), Y = X(\alpha)\beta + \epsilon, \\ \epsilon\sim N_n(0, \Sigma(\alpha)), dove X(α)X(α)X(\alpha) è una matrice ( n×pn×pn \times p ) parametrizzata da α∈Rkα∈Rk\alpha \in \mathbb R^k , così come Σ(α)Σ(α)\Sigma(\alpha) …
1
Bande di confidenza per la linea QQ
Questa domanda non riguarda specificamente R, ma ho scelto di usarla Rper illustrarla. Considera il codice per produrre bande di confidenza attorno a una (normale) linea qq: library(car) library(MASS) b0<-lm(deaths~.,data=road) qqPlot(b0$resid,pch=16,line="robust") Sto cercando una spiegazione di (o alternativa un collegamento a un documento cartaceo / online che spieghi) come sono …
3
Regressione lineare cosa ci dicono la statistica F, il quadrato R e l'errore standard residuo?
Sono davvero confuso sulla differenza di significato per quanto riguarda il contesto di regressione lineare dei seguenti termini: Statistica F. R al quadrato Errore standard residuo Ho trovato questa webstie che mi ha dato una grande visione dei diversi termini coinvolti nella regressione lineare, tuttavia i termini sopra menzionati sembrano …
2
Regressione lineare e non lineare
Ho una serie di valori ed y che sono teoricamente correlati esponenziale:xxxyyy y=axby=axby = ax^b Un modo per ottenere i coefficienti è applicare logaritmi naturali su entrambi i lati e applicare un modello lineare: > fit <- lm(log(y)~log(x)) > a <- exp(fit$coefficients[1]) > b <- fit$coefficients[2] Un altro modo per …
1
Predizione su modelli di effetti misti: cosa fare con gli effetti casuali?
Consideriamo questo ipotetico set di dati: set.seed(12345) num.subjects <- 10 dose <- rep(c(1,10,50,100), num.subjects) subject <- rep(1:num.subjects, each=4) group <- rep(1:2, each=num.subjects/2*4) response <- dose*dose/10 * group + rnorm(length(dose), 50, 30) df <- data.frame(dose=dose, response=response, subject=subject, group=group) possiamo usare lmeper modellare la risposta con un modello di effetto casuale: require(nlme) …
2
Come posso usare il valore di
I grafici sottostanti sono grafici a dispersione residua di un test di regressione per il quale i presupposti "normalità", "omoscedasticità" e "indipendenza" sono già stati sicuramente soddisfatti! Per testare l' assunto di "linearità" , anche se, guardando i grafici, si può intuire che la relazione è curvilinea, ma la domanda …
3
Come giustificare il termine di errore in ANOVA fattoriale?
Una domanda probabilmente molto basilare sull'ANOVA multifattoriale. Supponiamo un design a due vie in cui testiamo sia gli effetti principali A, B, sia l'interazione A: B. Quando si verifica l'effetto principale per A con SS di tipo I, l'effetto SS viene calcolato come differenza R SS( 1 ) - R …
4
Distinzione tra modello lineare e non lineare
Ho letto alcune spiegazioni sulle proprietà dei modelli lineari o non lineari, ma a volte non sono sicuro che un modello a portata di mano sia lineare o non lineare. Ad esempio, il seguente modello è lineare o non lineare? yt=β0+β1B(L;θ)Xt+εtyt=β0+β1B(L;θ)Xt+εty_t=\beta_0 + \beta_1B(L;\theta)X_t+\varepsilon_t Con: B ( L ; θ ) …
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.