আমি এখানে ডেটাতে একটি বয়েশিয়ান লগিট চালানোর চেষ্টা করছি । আমি ব্যবহার করছি bayesglm()এ armআর দ্য কোডিং প্যাকেজ সহজবোধ্য যথেষ্ট:
df = read.csv("http://dl.dropbox.com/u/1791181/bayesglm.csv", header=T)
library(arm)
model = bayesglm(PASS ~ SEX + HIGH, family=binomial(link="logit"), data=df)
summary(model) নিম্নলিখিত আউটপুট দেয়:
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) 0.10381 0.10240 1.014 0.311
SEXMale 0.02408 0.09363 0.257 0.797
HIGH -0.27503 0.03562 -7.721 1.15e-14 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 2658.2 on 1999 degrees of freedom
Residual deviance: 2594.3 on 2000 degrees of freedom
AIC: 2600.3
এই মাধ্যমে আমাকে চলুন দয়া করে। আমি বুঝতে পারি যে এই কোডটি একটি খুব দুর্বল প্রাক ব্যবহার করে (যেহেতু আমি পূর্বের উপায়গুলি উল্লেখ করছি না) সুতরাং আউটপুটটি ব্যবহারিকভাবে একই হতে চলেছে যদি আমি glm()পরিবর্তে ব্যবহার করি তবে bayesglm()। তবে আউটপুটটি এখনও বায়েশিয়ান স্পিরিটে থাকা উচিত, তাই না? এখানে মূল্য এবং ভ্যালুগুলি কী কী ? এই ঘনঘনবাদী অনুমান সরঞ্জাম না? তাদের কি এখানে আলাদা ব্যাখ্যা করা হচ্ছে?
এটি একটি মন্তব্য এবং একটি উত্তর নয়, তবে এটি আমার কাছে কিছুটা অর্থ বোধ করবে। আপনি প্রাক্কলন বিতরণ সর্বাধিকতর যে মানগুলির জন্য সম্ভবত এটি অনুমান পান। এটিও সম্ভব হতে পারে যে তারা কেবল উত্তরোত্তর মাধ্যম? আপনি যদি পারেন তা পরীক্ষা করে নেওয়ার যোগ্য। তবে সঠিক বিশদটি কী তা নয়, একবার যদি আপনার কিছু অনুমান হয় তবে আপনি সেগুলি যথারীতি প্রাক্কলন / ધોરણের মাধ্যমে পরীক্ষা করতে পারেন। ত্রুটি -> জেড-স্কোর পদ্ধতি যা কাজ করে যদি পোস্টারিয়রটি কোনও স্বাভাবিকের কাছে পর্যাপ্ত থাকে (এটি কিছু পরিস্থিতিতে থাকে যা সাধারণত ধারণ করে তবে এটি একটি সাধারণ দিকে যায়)।
—
এরিক
এরিক ... আপনি সঠিক: সহগগুলি অবশ্যই উত্তরীয় ঘনত্বের মাধ্যম। আমার প্রশ্নটি p- এবং z-মান সম্পর্কে। তারা এখানে কি উপস্থাপন করে?
—
ব্যবহারকারী3671
ঠিক আছে. আপনার যদি এমন ঘনত্ব থাকে যা প্রায় সাধারণত বিতরণ করা হয় তবে আপনি জেড-স্কোর = গড় / বন্টনটির স্ট্যান্ডার্ড বিচ্যুতি গ্রহণের মাধ্যমে এটির মানটি সাধারণ বন্টনের সাথে তুলনা করে পরীক্ষা করতে পারবেন mean তারপরে আপনি দেখতে পাচ্ছেন যে মান বা তার চেয়ে বড় মান স্ট্যান্ডার্ড সাধারণ বিতরণ -> পি-মানের আওতায় আসবে। বিস্তারিত জানার জন্য উইকিপিডিয়ায় জেড-স্কোর দেখুন।
—
এরিক
হ্যাঁ ঠিক. তবে কেন এটি কোনও বায়েশিয়ান সেটিংয়ে বিরক্ত করবেন? বায়েশিয়ান অনুমান অনুসারে, বিন্দু অনুমানটি এলোমেলো পরামিতি সম্পর্কে আমার সেরা অনুমান, সুতরাং এটি পরীক্ষা করার দরকার নেই। সর্বাধিকত, আমি একটি "বিশ্বাসযোগ্য অন্তর্বর্তী" অন্তর্ভুক্ত করতে পারি যা একটি ঘন ঘনবাদী "আত্মবিশ্বাসের ব্যবধান" এর সমতুল্য তবে যার পরিসংখ্যানগত ব্যাখ্যাটি সম্পূর্ণ আলাদা different সংক্ষিপ্তসার () আউটপুট সম্পর্কে এটি বিভ্রান্তিকর অংশ। আত্মা বায়েশিয়ান, কিন্তু আউটপুট ঘন ঘন?
—
ব্যবহারকারী3671
একটি বিষয় হ'ল আপনি যে অনুমানটি পেয়েছেন তা অন্যরকম হবে, যেহেতু আপনি পূর্ব ব্যবহার করেছিলেন used আপনি যখন কোনও বায়সিয়ান উপায়ে কিছু দেখতে পেলেন যে কোনও কিছুর প্রভাব রয়েছে তা দেখানোর জন্য যদি পয়েন্টটি অনুমান করা হয় "সেরা অনুমান" তবে আপনি এটি দেখানোর চেষ্টা করবেন যে বিশ্বাসযোগ্য অন্তরটি শূন্য থাকে না। যখন আপনি একই গড় এবং এসডি (অ্যাসিপোটোটিকভাবে সঠিক) দিয়ে স্বাভাবিকের মধ্যবর্তী অংশটি আনুমানিক করেন তখন (1-পি / 2) বিশ্বাসযোগ্যতা ব্যবধানটি শূন্যের সমন্বিত বৃহত্তম প্রতিসম বিশ্বাসযোগ্যতা অন্তর, তাই আপনার উত্তরটি মূলত একই। P উপরে উল্লিখিত পি-মান।
—
এরিক