কি পিসন ডিস্ট্রিবিউশনটি অবিচ্ছিন্ন তথ্যের পাশাপাশি বিচ্ছিন্ন ডেটা বিশ্লেষণ করতে ব্যবহৃত হতে পারে?
আমার কাছে কয়েকটি ডেটা সেট রয়েছে যেখানে প্রতিক্রিয়া ভেরিয়েবলগুলি অবিচ্ছিন্ন থাকে তবে সাধারণ বিতরণের চেয়ে পোয়েসন বিতরণের অনুরূপ। তবে পোয়েসন বিতরণটি একটি বিস্তৃত বিতরণ এবং সাধারণত সংখ্যা বা গণনার সাথে সম্পর্কিত।
তাহলে কীভাবে আপনার গবেষণামূলক বিতরণ গামা পরিবর্তনের থেকে আলাদা?
—
হোয়বার
আমি এই ডেটার জন্য গামা বিতরণ ব্যবহার করেছি। আপনি যদি লগ লিঙ্কের সাথে গামা বিতরণ ব্যবহার করেন তবে আপনি প্রায় ছড়িয়ে ছিটিয়ে থাকা পোয়েসন মডেল থেকে প্রায় একই ফলাফল পাবেন ow তবে, বেশিরভাগ পরিসংখ্যানের প্যাকেজগুলিতে আমি পিসন রিগ্রেশনটির সাথে পরিচিত, আরও সহজ এবং আরও নমনীয়।
—
ব্যবহারকারীর 13136
এর চেয়ে আরও ভাল ডিস্ট্রিবিউশনগুলি কী হবে না, যেমন গামার বিষয়ে whuber এর পরামর্শ?
—
পিটার ফ্লুম - মনিকা পুনরায়
@ পিটারফ্লম - আমি অবাক হয়েছি যে এই সমস্যাটি যদি অনেকটা সামনে আসে তবে কারণ আর-তে গ্ল্যামনেট প্যাকেজ গামা পরিবার বা গাউসীয় পরিবারকে লগ লিঙ্ক ফাংশন দিয়ে সমর্থন করে না। তবে, কারণ গ্ল্যামনেট একটি ভবিষ্যদ্বাণীপূর্ণ মডেলিং প্যাকেজ হিসাবে ব্যবহৃত হয় (সুতরাং ব্যবহারকারীরা কেবল মডেল সহগগুলিতে আগ্রহী, কোফ নয়। স্ট্যান্ড ত্রুটি) এবং যেহেতু পোইসন ডিবিএন সামঞ্জস্যপূর্ণ কোফ উত্পাদন করে। ln [E (y)] = বিটা0 + বিটা * এক্স ফর্মের মডেলগুলির অনুমানগুলি বিতরণ নির্বিশেষে অবিচ্ছিন্ন প্রতিক্রিয়া সহ, আমি অনুমান করছি গ্ল্যামনেটের লেখকরা এই অতিরিক্ত পরিবারগুলি সহ বিরক্ত করেননি।
—
রবার্টএফ