0 এবং 1 এর মধ্যে ফলাফলের জন্য অনুপাত (অনুপাত বা ভগ্নাংশ)

Question

আমি অনুপাতের অনুমান করে একটি মডেল তৈরি করার কথা ভাবছি , যেখানে এবং এবং । সুতরাং, অনুপাত এবং মধ্যে হবে ।a ≤ b a > 0 b > 0 0 $a/b$$a \le b$$a > 0$$b > 0$$0$$1$

আমি লিনিয়ার রিগ্রেশন ব্যবহার করতে পারি, যদিও এটি স্বাভাবিকভাবেই ০.১. এর সীমাবদ্ধ নয়। সম্পর্কটি লৈখিক বলে বিশ্বাস করার কোনও কারণ নেই, তবে অবশ্যই এটি প্রথমবারের মতো সাধারণ মডেল হিসাবে প্রায়শই ব্যবহৃত হয়।

আমি একটি লজিস্টিক রিগ্রেশন ব্যবহার করতে পারি, যদিও এটি সাধারণত দ্বি-রাষ্ট্রের ফলাফলের সম্ভাবনার পূর্বাভাস দেওয়ার জন্য ব্যবহৃত হয়, ০.১ এর পরিসর থেকে অবিচ্ছিন্ন মানটির পূর্বাভাস দেওয়ার জন্য নয়।

আরও কিছু না জানা, আপনি কি লিনিয়ার রিগ্রেশন, লজিস্টিক রিগ্রেশন বা লুকানো বিকল্প সি ব্যবহার করবেন ?

Comments

আপনি কি বিটা রিগ্রেশন বিবেচনা করেছেন?

— পিটার ফ্লুম - মনিকা পুনরায়

যারা উত্তর দিয়েছেন তাদের সবাইকে অনেক ধন্যবাদ। আমাকে পড়াশোনা করতে হবে এবং বেছে নিতে হবে। বিটার মতো শব্দগুলি শুরু করার জন্য একটি শালীন জায়গা, বিশেষত যদি আমি ভাল ফিট (সম্ভবত চোখের দ্বারা) পর্যবেক্ষণ করতে পারি।

— dfrankow

আমি এটি জিএলএম (পিসন লিঙ্ক ফাংশন) ব্যবহার করে দেখেছি। লব একটি হবে গণনা তথ্য (ফলাফল) এবং হর খ অফসেট পরিবর্তনশীল হবে। তারপরে আপনার প্রতিটি বিষয় / পর্যবেক্ষণের জন্য পৃথক a এবং b মান প্রয়োজন । আমি এটি নিশ্চিত নই যে এটি সর্বাধিক বৈধ বিকল্প। আমি বিটা বিতরণটি একটি আকর্ষণীয় বিকল্প পেয়েছি - যা আমি শুনে নি। যাইহোক, আমি স্ট্যাটিস্টিস্টিয়ান না হয়ে বুঝতে পেরেছি।

— মেগপোফেলথ

আপনার গভীর এবং দরকারী বিশ্লেষণের জন্য আপনাকে সবাইকে ধন্যবাদ, আমি বর্তমানে প্রায় একই চ্যালেঞ্জের মুখোমুখি হয়েছি, তবে 0-1-এর মধ্যে অবিচ্ছিন্ন অনুপাতের পরিসীমা পূর্বাভাস দেওয়ার পরিবর্তে আমি রোগীদের ইউটিলিটি -1 -1-এর মধ্যে পূর্বাভাস দেওয়ার জন্য একটি রিগ্রেশন মডেল তৈরি করতে চাই এবং 1. এটি বেশ জটিল, আমি -1 এবং 1 এর মধ্যে অবিচ্ছিন্ন নির্ভর পরিসীমা সহ একটি রিগ্রেশন মডেল তৈরির জন্য উপযুক্ত কোনও লিঙ্ক ফাংশনটি খুঁজে পাইনি guys সুতরাং ছেলেরা কেবল কী করা যেতে পারে সে সম্পর্কে কোনও ধারণা পেতে চাই। ধন্যবাদ,

এই মুহুর্তের জন্য, একটি তুচ্ছ উত্তর রয়েছে: মাধ্যমে উদ্ধার করায় জন্য কোনও লিঙ্ক এনেছে , এরপরে আপনি যদি চান তবে ভবিষ্যদ্বাণীগুলি রিপোর্ট করার জন্য পুনরুদ্ধার করতে পারবেন। ( y + 1 ) / 2 [ 0 , 1 $y$$(y+1)/2$$[0,1]$

— নিক কক্স

Answer 1

আপনার "লুকানো বিকল্প সি" নির্বাচন করা উচিত, যেখানে সিটি বিটা রিগ্রেশন। এই রিগ্রেশন মডেল হল এক ধরনের যে উপযুক্ত যখন প্রতিক্রিয়া পরিবর্তনশীল হিসাবে বিতরণ করা হয় বিটা । আপনি এটিকে সাধারণীকরণীয় রৈখিক মডেলের অনুরূপ হিসাবে ভাবতে পারেন । এটি ঠিক আপনি যা খুঁজছেন তা বেতারেগR নামে একটি প্যাকেজ রয়েছে যা এটির সাথে ডিল করে। আপনি ব্যবহার করেন কিনা তা আমি জানি না R, তবে আপনি 'ভিগনেটস' যেভাবেই পড়তে না পারলেও, কীভাবে এটি প্রয়োগ Rকরতে হবে (যা আপনার প্রয়োজন হবে না) ছাড়াও তারা আপনাকে বিষয়টি সম্পর্কে সাধারণ তথ্য দেবে যে ক্ষেত্রে)।

---

সম্পাদনা করুন (অনেক পরে): আমাকে একটি দ্রুত ব্যাখ্যা দিতে দিন। আমি প্রশ্নটিকে দুটি, ধনাত্মক, আসল মানের অনুপাত সম্পর্কে বলে ব্যাখ্যা করি। যদি তা হয় তবে (এবং এগুলিকে গ্যামাস হিসাবে বিতরণ করা হয়) এটি বিটা বিতরণ। তবে, যদি 'ট্রায়ালস'-এর পরিচিত , এর মধ্যে' সাফল্যের 'একটি গণনা হয় , তবে এটি গণনা অনুপাত হবে , একটি ধারাবাহিক অনুপাত নয়, এবং আপনার দ্বিপদী জিএলএম ব্যবহার করা উচিত (যেমন, লজিস্টিক) রিগ্রেশন)। আর-তে এটি কীভাবে করবেন , দেখুন ফলাফলটি ভগ্নাংশ (দু'রকমের একটি অনুপাত) হলে আরজে লজিস্টিক রিগ্রেশন কীভাবে করবেন?খ ক /$a$$b$$a/b$

আর একটি সম্ভাবনা হ'ল লিনিয়ার রিগ্রেশন ব্যবহার করা যদি অনুপাতটি রূপান্তর করা যায় যাতে একটি প্রমিত রৈখিক মডেলের অনুমানগুলি মেটাতে পারে, যদিও আমি আসলে এটি সম্পর্কে কাজ করতে আশাবাদী হব না।

Comments

এক্ষেত্রে বিটা রিগ্রেশন কেন বেশি পছন্দযোগ্য তা নিয়ে আপনি কী বিশদটি বিবেচনা করবেন? আমি এখানে প্রায়শই প্রায়শই দেখতে পাই, কিন্তু আমি সত্যিকার অর্থে কাউকে যুক্তি দিয়ে ব্যাখ্যা করতে দেখি না - এটি ভাল লাগবে!

— ম্যাট পার্কার

@ ম্যাটপারকার, বিটা হ'ল ধারাবাহিক অনুপাতের বিতরণ - যদি আপনার প্রতিক্রিয়া পরিবর্তনশীল হিসাবে এটিই থাকে তবে বিটা হ'ল উপযুক্ত বিতরণ। এটা সত্যিই সহজ। লজিস্টিক রিগ্রেশন থেকে লাগানো মান হ'ল সম্ভাবনা (যা স্পষ্টতই ধারাবাহিক) তবে বিতরণ দ্বিপদী (বার্নোল্লি ট্রায়ালগুলির কয়েকটি সংখ্যা ডাব্লু / সাফল্যের সম্ভাবনা ) যদি আপনার প্রতিক্রিয়া ভেরিয়েবল বার্নোল্লি ট্রায়ালের সেট না হয় তবে এলআর হয় না যথাযথ. $p$

— গুং - মনিকা পুনরায়

আমি সতর্কতার সাথে বলব যে একটি বিটা ব্যবহারের উপযুক্ত বিতরণ "" "। এটি মোটামুটি নমনীয় এবং এটি উপযুক্ত হতে পারে তবে এটি সমস্ত ক্ষেত্রে কভার করে না। সুতরাং যখন এটি একটি ভাল পরামর্শ এবং খুব ভাল হতে পারে কি করতে চান তারা - আপনি সত্যিই বলতে পারবে না যে এটা উপযুক্ত বন্টন যে এটি 0 এবং 1 এর মধ্যে একটি ক্রমাগত প্রতিক্রিয়া হচ্ছে সে বিষয়ে একমাত্র এর

— Dason

[0,1] এর উপর একটি ত্রিভুজাকার বিতরণ অনুপাতে একটি অবিচ্ছিন্ন বিতরণ উপস্থাপন করে যা কোনও বিটা নয়। আরও অনেকে থাকতে পারে। বিটা একটি নিচু নমনীয় পরিবার তবে এটি সম্পর্কে কোনও জাদু নেই। আপনি লজিস্টিক রিগ্রেশন সম্পর্কে একটি ভাল বক্তব্য রেখেছেন কারণ এটি বাইনারি ডেটাতে কেবল প্রয়োগ করা হয়।

— মাইকেল চেরনিক

সম্ভবত আমার কম কুৎসিত মনে করার চেষ্টা করা উচিত। আমার অর্থ হ'ল আপনি আপনার ডিভি পরীক্ষা করে নিন এবং এর সাথে সম্পর্কিত বিতরণটি ব্যবহার করুন। সত্য, ক্রমাগত অনুপাতের অন্যান্য বিতরণও রয়েছে। প্রযুক্তিগতভাবে, বিটা হ'ল এটির গ্যামার অনুপাত, এর যোগফল + অন্য গামা। প্রদত্ত পরিস্থিতিতে, একটি ভিন্ন বিতরণ উচ্চতর হতে পারে; যেমন বিটা মান 0 বা 1 নিতে পারে না, কেবল (0, 1)। যাইহোক, বিটা ভালভাবে বোঝা যায় এবং ফিট করার জন্য মাত্র 2 টি পরামিতি সহ খুব নমনীয়। আমি যুক্তি দিয়ে থাকি যে ডাব্লু / ডিভি যখন ক্রমাগত অনুপাত হয় তখন এটি শুরু করার জন্য সর্বোত্তম জায়গা।

— গুং - মনিকা পুনরায়

Answer 2

এই জোড়াযুক্ত নমুনা বা দুটি স্বতন্ত্র জনসংখ্যা?

যদি স্বতন্ত্র জনসংখ্যা থাকে তবে আপনি লগ (এম) = লগ (বি) + * লগ (অনুপাত) বিবেচনা করতে পারেন$X_i$ । এম আপনার পরিমাপ আছে (একটি ভেক্টর A এবং B এর সব মান ধারণকারী) এবং এক্স একটি ভেক্টর হয় = 1 যদি A -এর একটি মান হয় = 0 হলে বি একটি মানএম আই এক্স আই এম $X_i$$M_i$$X_i$$M_i$

এই রিগ্রেশনটির আপনার বিরতি লগ (বি) হবে এবং আপনার opeাল লগ (অনুপাত) হবে।

এখানে আরও দেখুন:

বিয়েন জে, মইনদুদ্দিন আর। স্থান কোয়েটিয়ার্সে প্রয়োগ করে একটি অনুপাতের পরামিতিটির আত্মবিশ্বাস ব্যবধানের অনুমানের জন্য পদ্ধতি। বিএমসি মেডিকেল রিসার্চ পদ্ধতি। 2005; 5 (1): 32।

সম্পাদনা: আমি এটি করার জন্য একটি এসপিএসএস অ্যাডোন লিখেছি। আপনি আগ্রহী হলে আমি এটি ভাগ করতে পারেন।

Comments

কৌতূহলের বাইরে আপনি কোন পদ্ধতিটি ব্যবহার করেছেন (ডেল্টা, ফিলার বা জিএলএম)? এটি আমাকে কিছুটা ক্লেশ করেছে যে বিএমসি আর্টিকেলটি বিভিন্ন অনুমানকারীগুলির কভারেজের কিছু সিমুলেশন করেনি (যদিও বাস্তবের সিমুলেশনটি স্বপ্ন দেখলে বিরক্ত হবে)। আমাকে স্মরণ করিয়ে দেওয়া হয়েছিল কারণ আমি সম্প্রতি একটি কাগজ পেরিয়ে এসেছি যা ডেল্টা পদ্ধতিটি (সত্যিকারের ন্যায়সঙ্গততা ছাড়াই) করে, যদিও এটি বিএমসি নিবন্ধকে উদ্ধৃত করে না।

— অ্যান্ডি ডাব্লু

ফিরে যখন আমি এই মন্তব্যটি লিখেছিলাম, আমি REGRESSIONডেটা লগ-রূপান্তর করার পরে ব্যবহার করেছি । সেই থেকে আমি আরও পরিশীলিত সংস্করণ লিখেছি যা ব্যবহার করে GLM। আমি হালকা নির্গমন পরিমাপের সাথে মোকাবিলা করি এবং আমার পরীক্ষার পরামর্শ দিয়েছিল যে লগ-লিঙ্কের সাথে গামা রিগ্রেশন পরামিতিগুলির মধ্যে পলাতক অনিশ্চয়তার সবচেয়ে কম ঝুঁকির মধ্যে রয়েছে। আমার বেশিরভাগ আসল তথ্যের জন্য, লগ-লিঙ্ক সহ নরমাল, নেতিবাচক-দ্বিপদী এবং গামা ব্যবহার করা উত্তরগুলি সত্যই একই রকম ছিল (কমপক্ষে আমার প্রয়োজনীয় নির্ভুলতার সাথে)

— ডকবকেট

Answer 3

সত্য না. লজিস্টিক রিগ্রেশন সম্পর্কিত ডেটা বাইনারি 0 বা 1 তবে মডেল পি বলে পূর্বাভাস দেয় , প্রদত্ত সাফল্যের সম্ভাবনা যেখানে মডেলটিতে প্রেডিকটার ভেরিয়েবলের সংখ্যা। প্রকৃতপক্ষে লগইট ফাংশনের কারণে লিনিয়ার মডেল লগের মান ( ) পূর্বাভাস দেয় । সুতরাং পি এর পূর্বাভাস পাওয়ার জন্য আপনি কেবল বিপরীত রূপান্তর করুন যেখানে হল পূর্বাভাস লজিট। আমি = 1 , 2 , । । , কে কে $X_i$$i=1,2,..,k$$k$ পি=এক্সপ্রেস(এক্স$\frac{p}{1-p}$$p=\frac{\exp(x)}{[1+\exp(x)]}$$x$

Comments

-1। আমি দেখতে পাচ্ছি না যে এটি কীভাবে প্রশ্নের উত্তর দেয় (এবং অতিরিক্তভাবে এই দুটি পৃথক বিষয় উল্লেখ করতে ব্যবহৃত হয়)। $p$

— অ্যামিবা বলেছেন মনিকা পুনরায়

-1। আমি @ অ্যামিবার সাথে একমত আমি কেন বিস্মিত হই যে কেন এটি সর্বদা উর্ধ্বে ছিল? এটি প্রশ্নের উপর নির্ভর করে না, যা বাইনারি তথ্য 0 বা 1 মোটেও গ্রহণ করে না তবে পরিমাপিত অনুপাতগুলিতে ফোকাস করে যা 0 এবং 1 এর মধ্যে অন্তর্ভুক্ত।

— নিক কক্স