Statistiques et Big Data regression

2

Comment dois-je modéliser une variable dépendante continue dans le

J'ai une variable dépendante qui peut aller de 0 à l'infini, les 0 étant en fait des observations correctes. Je comprends que la censure et les modèles Tobit ne s'appliquent que lorsque la valeur réelle de est partiellement inconnue ou manquante, auquel cas les données seraient tronquées. Quelques informations supplémentaires …

9 regression censoring truncation tobit-regression

1

Comparaison des résidus entre régressions OLS et non OLS

Supposons que vous vouliez estimer un modèle linéaire: ( observations de la réponse et prédicteurs) nnnp+1p+1p+1E(yi)=β0+∑j=1pβjxijE(yi)=β0+∑j=1pβjxij\mathbb{E}(y_i) = \beta_0 + \sum_{j=1}^p \beta_j x_{ij} Pour ce faire, vous pouvez utiliser la solution OLS, c'est-à-dire choisir les coefficients de sorte que la somme des erreurs carrées soit minimale: (β0,β1,⋯,βp)T=argminβ0,β1,⋯,βp∑i=1n(yi−β0−∑j=1pβjxij)2(β0,β1,⋯,βp)T=arg⁡minβ0,β1,⋯,βp∑i=1n(yi−β0−∑j=1pβjxij)2(\beta_0,\beta_1,\cdots,\beta_p)^T = \underset{\beta_0,\beta_1,\cdots,\beta_p}{\arg \min} \sum_{i=1}^{n} …

9 regression loss-functions

2

Régression multiple dans les statistiques directionnelles / circulaires?

J'essaie de développer un modèle prédictif pour une variable dépendante angulaire (sur utilisant plusieurs mesures indépendantes - également des variables angulaires, sur - comme prédicteurs. Chaque prédicteur est significativement mais pas extrêmement fortement corrélé avec la variable dépendante. Comment puis-je combiner les prédicteurs pour déterminer un modèle prédictif pour la …

9 regression multiple-regression circular-statistics

1

Test de surdispersion dans la régression logistique

R in Action (Kabacoff, 2011) suggère la routine suivante pour tester la surdispersion dans une régression logistique: Ajuster la régression logistique en utilisant la distribution binomiale: model_binom <- glm(Species=="versicolor" ~ Sepal.Width, family=binomial(), data=iris) Ajuster la régression logistique en utilisant la distribution quasibinomiale: model_overdispersed <- glm(Species=="versicolor" ~ Sepal.Width, family=quasibinomial(), data=iris) Utilisez …

9 r regression distributions logistic overdispersion

4

Évaluation d'un modèle de régression

Pour les problèmes de classification, j'ai utilisé des réseaux de neurones et mesuré les erreurs de type I et II en utilisant la matrice de confusion et ses mesures selon cette ressource ( miroir ), ce qui est assez simple. Face à un problème d'estimation, comment évaluer les performances du …

9 regression machine-learning estimation model-evaluation

1

Quel est le sens intuitif derrière le but et la mécanique des statistiques suffisantes?

La définition d'une statistique suffisante est: Soit X1, . . . ,XnX1,...,XnX_1,...,X_n être un échantillon aléatoire d'une distribution indexée par un paramètre θθ\theta. LaisserTTTêtre une statistique. Supposons que, pour chaqueθθ\theta et toutes les valeurs possibles ttt de TTT, la distribution conjointe conditionnelle de X1, . .. ,XnX1,...,XnX_1,...,X_n étant donné que …

9 regression sufficient-statistics

5

La régression linéaire ne correspond pas bien

Je fais une régression linéaire en utilisant la fonction R lm: x = log(errors) plot(x,y) lm.result = lm(formula = y ~ x) abline(lm.result, col="blue") # showing the "fit" in blue mais ça ne va pas bien. Malheureusement, je ne peux pas comprendre le manuel. Quelqu'un peut-il m'orienter dans la bonne …

9 r regression

1

Confus par la dérivation de la fonction de régression

Je viens de recevoir une copie des éléments de l'apprentissage statistique par Hastie, Tibshirani et Friedman. Dans le chapitre 2 (Aperçu de l'apprentissage supervisé), section 4 (Théorie de la décision statistique), il donne une dérivation de la fonction de régression. Soit un vecteur d'entrée aléatoire de valeur réelle et une …

9 regression statistical-learning

3

Modèle linéaire: comparer la puissance prédictive de deux méthodes de mesure différentes

Je m'intéresse à la prévision Yet j'étudie deux techniques de mesure X1et X2. Il se pourrait, par exemple, que je veuille prédire la saveur d'une banane, soit en mesurant depuis combien de temps elle repose sur la table, soit en mesurant le nombre de taches brunes sur la banane. Je …

9 regression linear-model mixed-model

2

Régression par l'origine

Nous avons les points suivants: Comment trouver la meilleure droite d'ajustement travers les points? Ma calculatrice a la possibilité de trouver la meilleure ligne d'ajustement travers ces points, qui est:( 0 , 0 ) ( 1 , 51,8 ) ( 1,9 , 101,3 ) ( 2,8 , 148,4 ) ( …

9 regression intercept

1

Régression multiple avec variables indépendantes mesurées de façon répétée?

Conception et hypothèse : nous avons mesuré wellbeingà Time-1 et Time-2, nous voulons voir si le facteur A(mesuré à Time-1 et supposé être un facteur stable dans le temps) est un prédicteur significatif de facteur B(mesuré à Time-2) . Nous nous attendons également à ce que wellbeing, actuels ou passés, …

9 regression repeated-measures multiple-regression panel-data

1

Distribution postérieure pour la régression linéaire bayésienne

J'ai fait des recherches sur l'utilisation de la régression linéaire bayésienne, mais je suis arrivé à un exemple qui me rend confus. Compte tenu du modèle: y=βX+ϵy=βX+ϵ{\bf y} = {\bf \beta}{\bf X} + \bf{\epsilon} En supposant que et un ,ϵ∼N(0,ϕI)ϵ∼N(0,ϕI){\bf \epsilon} \sim N(0, \phi I)p(β,ϕ)∝1ϕp(β,ϕ)∝1ϕp(\beta, \phi) \propto \frac{1}{\phi} Comment est …

9 regression bayesian multiple-regression

1

Que faire de l'hétérogénéité de la variance lorsque l'écart diminue avec des valeurs ajustées plus grandes

J'essaie de produire un modèle mixte linéaire, le code R est le suivant. lme (Average.payoff ~ Game + Type + Others.Type + Game: Type + Game: Others.Type + Type: Others.Type, random = ~ 1 | Subjects, method = "REML", data = Subjectsm1) -> lme1 Le terme de réponse Average.payoff est …

9 regression mixed-model variance heteroscedasticity lme4-nlme

2

Statistiques PRESS pour la régression des crêtes

Dans les moindres carrés ordinaires, en régressant un vecteur cible contre un ensemble de prédicteurs , la matrice de chapeau est calculée commeyyyXXX H= X(XtX)- 1XtH=X(XtX)-1XtH = X (X^tX)^{-1} X^t et la PRESSE (somme résiduelle prédite des carrés) est calculée par SSP=∑je(eje1 -hje je)2SSP=∑je(eje1-hjeje)2SS_P = \sum_i \left( \frac{e_i}{1-h_{ii}}\right)^2 où est …

9 regression cross-validation ridge-regression

3

Puis-je utiliser une variable qui a une relation non linéaire avec la variable dépendante dans la régression logistique?

Disons que je construis un modèle de régression logistique où la variable dépendante est binaire et peut prendre les valeurs 000 ou 111. Soit les variables indépendantesX1,X2, . . . ,Xmx1,x2,...,xmx_1, x_2, ..., x_m - il y a mmmvariables indépendantes. Disons que pour lekkke variable indépendante, l'analyse bivariée montre une …

9 regression estimation logistic sas

Questions marquées «regression»