Questions marquées «data-transformation»

Ré-expression mathématique, souvent non linéaire, des valeurs de données. Les données sont souvent transformées soit pour répondre aux hypothèses d'un modèle statistique, soit pour rendre les résultats d'une analyse plus interprétables.

1
Je journal transformé ma variable dépendante, puis-je utiliser la distribution normale GLM avec la fonction de lien LOG?
J'ai une question concernant les modèles linéaires généralisés (GLM). Ma variable dépendante (DV) est continue et non normale. Je l'ai donc transformé (toujours pas normal mais amélioré). Je veux relier le DV avec deux variables catégorielles et une covariable continue. Pour cela, je veux effectuer un GLM (j'utilise SPSS) mais …
4
Comment interpréter les coefficients transformés logarithmiquement en régression linéaire?
Ma situation est: J'ai 1 variable dépendante continue et 1 variable prédictive continue que j'ai transformée logarithmiquement pour normaliser leurs résidus pour une régression linéaire simple. J'apprécierais toute aide sur la façon dont je peux relier ces variables transformées à leur contexte d'origine. Je veux utiliser une régression linéaire pour …
5
Quelles autres transformations de normalisation sont couramment utilisées au-delà des transformations courantes comme la racine carrée, le log, etc.?
Dans l'analyse des résultats aux tests (par exemple, en éducation ou en psychologie), les techniques d'analyse courantes supposent souvent que les données sont normalement distribuées. Cependant, peut-être plus souvent qu'autrement, les scores ont tendance à s'écarter parfois sauvagement de la normale. Je connais certaines transformations de normalisation de base, telles …
2
Convertir la distribution de Poisson en distribution normale
J'ai principalement une formation en informatique mais maintenant j'essaie de m'enseigner les statistiques de base. J'ai quelques données qui, je pense, ont une distribution de Poisson J'ai deux questions: Est-ce une distribution de Poisson? Deuxièmement, est-il possible de convertir cela en une distribution normale? Toute aide serait appréciée. Merci beaucoup
2
Transformation des statistiques de commande
Supposons que les variables aléatoires et sont indépendantes et distribuées. Montrer que a un \ texte {Exp} (1) distribution.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) J'ai commencé ce problème en définissant {X1,...,Xn,Y1,...Yn}={Z1,...,Zn}{X1,...,Xn,Y1,...Yn}={Z1,...,Zn}\{X_1,...,X_n,Y_1,...Y_n\} = \{Z_1,...,Z_n\} Puis le max(Yn,Xn)=Z(2n)max(Yn,Xn)=Z(2n)\max(Y_n,X_n)= Z_{(2n)} serait distribué comme (za)2n(za)2n(\frac{z}{a})^{2n} et min(Yn,Xn)=Z(1)min(Yn,Xn)=Z(1)\min(Y_n,X_n)= Z_{(1)} serait distribué comme 1−(1−za)2n1−(1−za)2n1 - …
1
Standardisation des fonctionnalités lors de l'utilisation de LDA comme étape de prétraitement
Si une analyse discriminante linéaire multi-classes (ou je lis parfois plusieurs analyses discriminantes) est utilisée pour la réduction de dimensionnalité (ou la transformation après réduction de dimensionnalité via PCA), je comprends qu'en général une "normalisation du score Z" (ou standardisation) de les fonctionnalités ne seront pas nécessaires, même si elles …
En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.