Domande taggate «link-function»

Una trasformazione di un parametro che regola una distribuzione della risposta che viene utilizzata come parte cruciale del modello lineare generalizzato per mappare l'intervallo di quel parametro (che può essere da 0 a 1, o solo valori positivi, ad esempio) alla linea del numero reale (,+).


4
Qual è la differenza tra una "funzione di collegamento" e una "funzione di collegamento canonico" per GLM
Qual è la differenza tra i termini "funzione di collegamento" e "funzione di collegamento canonico"? Inoltre, ci sono dei vantaggi (teorici) nell'usare l'uno rispetto all'altro? Ad esempio, una variabile di risposta binaria può essere modellata utilizzando molte funzioni di collegamento come logit , probit , ecc. Tuttavia, logit qui è …



1
Modello lineare non lineare o generalizzato: come ti riferisci alla regressione logistica, di Poisson, ecc.?
Ho una domanda sulla semantica su cui vorrei esprimere le opinioni degli altri statistici. Sappiamo che modelli come la logistica, Poisson, ecc. Rientrano nell'ambito di modelli lineari generalizzati. Il modello include funzioni non lineari dei parametri, che possono a loro volta essere modellate utilizzando la struttura del modello lineare utilizzando …

4
Quali sono i valori corretti per precisione e richiamo nei casi limite?
La precisione è definita come: p = true positives / (true positives + false positives) È corretto che, come true positivese false positivesavvicinarsi a 0, la precisione si avvicina a 1? Stessa domanda da ricordare: r = true positives / (true positives + false negatives) Attualmente sto implementando un test …
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 








1
Calcolo della funzione di collegamento canonico in GLM
Ho pensato che la funzione di collegamento canonico g(⋅)g(⋅)g(\cdot) provenga dal parametro naturale della famiglia esponenziale. Di ', considera la famiglia f(y,θ,ψ)=exp{yθ−b(θ)a(ψ)−c(y,ψ)}f(y,θ,ψ)=exp⁡{yθ−b(θ)a(ψ)−c(y,ψ)} f(y,\theta,\psi)=\exp\left\{\frac{y\theta-b(\theta)}{a(\psi)}-c(y,\psi)\right\} quindiθ=θ(μ)θ=θ(μ)\theta=\theta(\mu)è la funzione di collegamento canonico. Prendiamoad esempio ladistribuzione di Bernoulli, abbiamo P(Y=y)=μy(1−μ)1−y=exp{ylogμ1−μ+log(1−μ)}P(Y=y)=μy(1−μ)1−y=exp⁡{ylog⁡μ1−μ+log⁡(1−μ)} P(Y=y)=\mu^{y}(1-\mu)^{1-y}=\exp\left\{y\log\frac{\mu}{1-\mu}+\log{(1-\mu)}\right\} Quindi, la funzione di collegamento canonicog(μ)=logμ1−μg(μ)=log⁡μ1−μg(\mu)=\log\frac{\mu}{1-\mu} Ma quando vedo questa diapositiva , afferma …

3
Come ottenere l'intervallo di confidenza sul cambio di r-square della popolazione
Per un semplice esempio, supponiamo che ci siano due modelli di regressione lineare Modello 1 ha tre predittori, x1a, x2b, ex2c Il modello 2 ha tre predittori dal modello 1 e due predittori aggiuntivi x2aex2b Esiste un'equazione di regressione della popolazione in cui la varianza della popolazione spiegata è per …

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.