Statistiche e Big Data residuals

1

In uno scenario di regressione LASSO dove y=Xβ+ϵy=Xβ+ϵy= X \beta + \epsilon , e le stime LASSO sono date dal seguente problema di ottimizzazione minβ||y−Xβ||+τ||β||1minβ||y−Xβ||+τ||β||1 \min_\beta ||y - X \beta|| + \tau||\beta||_1 Ci sono ipotesi distributive riguardanti ?ϵϵ\epsilon In uno scenario OLS, ci si aspetterebbe che sia indipendente e normalmente …

18 regression lasso assumptions residuals

1

I modelli residui autocorrelati rimangono anche nei modelli con strutture di correlazione appropriate e come selezionare i modelli migliori?

Contesto Questa domanda utilizza R, ma riguarda questioni statistiche generali. Sto analizzando gli effetti dei fattori di mortalità (percentuale di mortalità dovuta a malattia e parassitismo) sul tasso di crescita della popolazione delle falene nel tempo, in cui le popolazioni larvali sono state campionate da 12 siti una volta all'anno …

17 model-selection autocorrelation residuals panel-data spatio-temporal

4

Conferma della distribuzione dei residui nella regressione lineare

Supponiamo di aver eseguito una semplice regressione lineare , salvato i residui e disegnato un istogramma di distribuzione dei residui. Se otteniamo qualcosa che assomiglia a una distribuzione familiare, possiamo supporre che il nostro termine di errore abbia questa distribuzione? Diciamo, se scoprissimo che i residui assomigliano alla normale distribuzione, …

17 r regression residuals

2

Come posso interpretare questa trama adattata vs residui?

Non capisco davvero l'eteroscedasticità. Vorrei sapere se il mio modello è appropriato o meno secondo questa trama.

17 r regression residuals heteroscedasticity independence

1

Pearson VS Deviance Residuals nella regressione logistica

So che i residui Pearson standardizzati sono ottenuti in modo probabilistico tradizionale: ri=yi−πiπi(1−πi)−−−−−−−−√ri=yi−πiπi(1−πi) r_i = \frac{y_i-\pi_i}{\sqrt{\pi_i(1-\pi_i)}} e Deviance Residuals sono ottenuti attraverso un modo più statistico (il contributo di ciascun punto alla probabilità): di=si−2[yilogπi^+(1−yi)log(1−πi)]−−−−−−−−−−−−−−−−−−−−−−−−−−√di=si−2[yilog⁡πi^+(1−yi)log⁡(1−πi)] d_i = s_i \sqrt{-2[y_i \log \hat{\pi_i} + (1 - y_i)\log(1-\pi_i)]} dove = 1 se = 1 …

16 regression logistic generalized-linear-model residuals deviance

2

I residui di Pearson

Una domanda da principiante sul residuo di Pearson nel contesto del test chi-quadro per la bontà dell'adattamento: Oltre alla statistica del test, la chisq.testfunzione di R riporta il residuo di Pearson: (obs - exp) / sqrt(exp) Capisco perché la differenza grezza tra i valori osservati e quelli attesi non sia …

16 chi-squared goodness-of-fit residuals

3

È assolutamente difendibile stratificare un set di dati in base alle dimensioni del residuo e fare un confronto a due campioni?

Questo è qualcosa che vedo fatto come una specie di metodo ad hoc e mi sembra molto sospetto, ma forse mi manca qualcosa. Ho visto questo fatto in regressione multipla ma manteniamolo semplice: yi=β0+β1xi+εiyi=β0+β1xi+εi y_{i} = \beta_{0} + \beta_{1} x_{i} + \varepsilon_{i} Ora prendi i residui dal modello montato ei=yi−(β^0+β^1xi)ei=yi−(β^0+β^1xi) …

16 regression residuals

2

Derivazione della trasformata normalizzante per GLM

\newcommand{\E}{\mathbb{E}} modo A(⋅)=∫duV1/3(μ)A(⋅)=∫duV1/3(μ)A(\cdot) = \displaystyle\int\frac{du}{V^{1/3}(\mu)} trasforma la normalizzazione per la famiglia esponenziale derivato? Più specificamente : ho provato a seguire lo schizzo di espansione di Taylor a pagina 3, diapositiva 1 qui, ma ho diverse domande. Con XXX di una famiglia esponenziale, trasformazione h(X)h(X)h(X) e κiκi\kappa _i indica l'accumulatore ithithi^{th} …

15 data-transformation residuals asymptotics exponential-family

3

Previsione della varianza dei dati eteroscedastici

Sto cercando di fare una regressione sui dati eteroscedastici in cui sto cercando di prevedere le varianze di errore e i valori medi in termini di un modello lineare. Qualcosa come questo: y(x,t)ξ(x,t)y¯(x,t)σ(x,t)=y¯(x,t)+ξ(x,t),∼N(0,σ(x,t)),=y0+ax+bt,=σ0+cx+dt.y(x,t)=y¯(x,t)+ξ(x,t),ξ(x,t)∼N(0,σ(x,t)),y¯(x,t)=y0+ax+bt,σ(x,t)=σ0+cx+dt.\begin{align}\\ y\left(x,t\right) &= \bar{y}\left(x,t\right)+\xi\left(x,t\right),\\ \xi\left(x,t\right) &\sim N\left(0,\sigma\left(x,t\right)\right),\\ \bar{y}\left(x,t\right) &= y_{0}+ax+bt,\\ \sigma\left(x,t\right) &= \sigma_{0}+cx+dt. \end{align} In parole, i dati …

15 regression spss variance residuals heteroscedasticity

4

Statistiche di Ljung-Box per i residui di ARIMA in R: risultati confusi dei test

Ho una serie temporale che sto cercando di prevedere, per la quale ho usato il modello stagionale ARIMA (0,0,0) (0,1,0) [12] (= fit2). È diverso da ciò che R ha suggerito con auto.arima (R calcolato ARIMA (0,1,1) (0,1,0) [12] sarebbe un adattamento migliore, l'ho chiamato fit1). Tuttavia, negli ultimi 12 …

15 r time-series statistical-significance arima residuals

1

Quale metodo di confronto multiplo utilizzare per un modello lmer: lsmeans o glht?

Sto analizzando un set di dati usando un modello di effetti misti con un effetto fisso (condizione) e due effetti casuali (partecipante a causa del disegno e della coppia all'interno del soggetto). Il modello è stato generato conlme4 pacchetto: exp.model<-lmer(outcome~condition+(1|participant)+(1|pair),data=exp). Successivamente, ho eseguito un test del rapporto di verosimiglianza di …

15 r repeated-measures multiple-comparisons post-hoc lsmeans bayesian posterior marginal integral anova time-series regularization machine-learning pca computational-statistics references inference regression cross-validation python random-forest chi-squared spearman-rho r machine-learning confidence-interval bagging clustering feature-selection model-selection bic hypothesis-testing kurtosis r regression residuals terminology

6

Perché i residui nella regressione lineare si sommano sempre a zero quando è inclusa un'intercettazione?

Sto seguendo un corso sui modelli di regressione e una delle proprietà fornite per la regressione lineare è che i residui si sommano sempre a zero quando viene inclusa un'intercettazione. Qualcuno può fornire una buona spiegazione del perché questo è il caso?

14 regression residuals

4

Perché diciamo "Errore standard residuo"?

Un errore standard è la deviazione standard stimata di uno stimatore per un parametro . θ θσ^( θ^)σ^(θ^)\hat \sigma(\hat\theta)θ^θ^\hat\thetaθθ\theta Perché la deviazione standard stimata dei residui è chiamata "errore standard residuo" (ad es. Nell'output della summary.lmfunzione di R ) e non "deviazione standard residua"? Quale stima di parametro forniamo qui …

14 r standard-error residuals terminology

1

R: testare la normalità dei residui del modello lineare - quali residui utilizzare

Vorrei fare un test W di Shapiro Wilk e un test Kolmogorov-Smirnov sui residui di un modello lineare per verificare la normalità. Mi stavo solo chiedendo quali residui dovrebbero essere usati per questo - i residui grezzi, i residui di Pearson, i residui studentizzati o i residui standardizzati? Per un …

13 r regression residuals normality-assumption lm

3

Cosa significano i residui normali e cosa mi dice questo sui miei dati?

Domanda piuttosto semplice: Cosa significa una normale distribuzione di residui da una regressione lineare? In termini di, come si riflette sui miei dati originali dalla regressione? Sono totalmente perplesso, grazie ragazzi

13 regression residuals

Domande taggate «residuals»