প্রশ্ন ট্যাগ «link-function»

প্রকৃত সংখ্যা রেখায় যে প্যারামিটারের সীমা (যা 0 থেকে 1 বা কেবল ইতিবাচক মানগুলি হতে পারে) ম্যাপ করার জন্য জেনারেলাইজড লিনিয়ার মডেলের একটি গুরুত্বপূর্ণ অংশ হিসাবে ব্যবহৃত হয় এমন প্রতিক্রিয়া বিতরণকে নিয়ন্ত্রণ করে এমন একটি প্যারামিটারের রূপান্তর (,+)

10
লগইট এবং প্রবিট মডেলগুলির মধ্যে পার্থক্য
মধ্যে পার্থক্য কি Logit এবং Probit মডেল ? লজিস্টিক রিগ্রেশন কখন ব্যবহার করতে হবে এবং কখন প্রবিট ব্যবহার করতে হবে তা জানার ক্ষেত্রে আমি এখানে আরও আগ্রহী। আর এর সাহায্যে এটিকে সংজ্ঞায়িত করে এমন কোনও সাহিত্য থাকলে তাও সহায়ক হবে।

4
জিএলএম এর জন্য একটি "লিঙ্ক ফাংশন" এবং "ক্যানোনিকাল লিঙ্ক ফাংশন" এর মধ্যে পার্থক্য কী
'লিঙ্ক ফাংশন' এবং 'ক্যানোনিকাল লিঙ্ক ফাংশন' পদগুলির মধ্যে পার্থক্য কী? এছাড়াও, একে অপরকে ব্যবহার করার কোনও (তাত্ত্বিক) সুবিধা রয়েছে কি? উদাহরণস্বরূপ, বাইনারি প্রতিক্রিয়া ভেরিয়েবল অনেক লিংক ফাংশন যেমন লজিট , প্রবিট ইত্যাদির সাহায্যে মডেল করা যায় তবে লগিট এখানে "ক্যানোনিকাল" লিঙ্ক ফাংশন হিসাবে বিবেচিত হয়।

4
লগ-ট্রান্সফর্মড রেসপন্স ভেরিয়েবলের জন্য LM এবং GLM এর মধ্যে নির্বাচন করা
আমি জেনারালাইজড লিনিয়ার মডেল (জিএলএম) বনাম লিনিয়ার মডেল (এলএম) ব্যবহার করার পিছনে দর্শনটি বোঝার চেষ্টা করছি। আমি নীচে সেট করে একটি উদাহরণ ডেটা তৈরি করেছি যেখানে: log(y)=x+εlog⁡(y)=x+ε\log(y) = x + \varepsilon উদাহরণটির মধ্যে ত্রুটি নেই এর এর ফাংশন হিসাবে , তাই আমি ধরে নেব যে লগ-ট্রান্সফর্মড y এর লিনিয়ার মডেলটি …

2
সাধারণ রৈখিক মডেলটিতে লিঙ্ক ফাংশনের উদ্দেশ্য
জেনারাইজড লিনিয়ার মডেলের উপাদান হিসাবে লিঙ্ক ফাংশনের উদ্দেশ্য কী? কেন এটা আমাদের দরকার? উইকিপিডিয়া বলেছেন: বিতরণ ফাংশনটির গড়ের পরিসীমাটির সাথে লিঙ্ক ফাংশনের ডোমেনটি মিলিয়ে ফেলা সুবিধাজনক হতে পারে এটি করার সুবিধা কী?

1
ননলাইনার বনাম বনাম জেনারেলাইজড লিনিয়ার মডেল: আপনি কীভাবে লজিস্টিক, পইসন ইত্যাদি রিগ্রেশনকে বোঝেন?
শব্দার্থবিজ্ঞান সম্পর্কে আমার একটি প্রশ্ন রয়েছে যা সম্পর্কে আমি সহসংখ্যক পরিসংখ্যানবিদদের মতামত চাই। আমরা জানি যে লজিস্টিক, পইসন ইত্যাদি মডেলগুলি সাধারণীকরণিত রৈখিক মডেলের ছত্রছায়ায় পড়ে। মডেলটিতে পরামিতিগুলির ননলাইনার ফাংশন অন্তর্ভুক্ত রয়েছে, যা যথাযথ লিঙ্ক ফাংশনটি ব্যবহার করে লিনিয়ার মডেল কাঠামোটি ব্যবহার করে মডেল করা যেতে পারে। আমি ভাবছি যে আপনি …

4
প্রান্ত ক্ষেত্রে যথাযথতা এবং পুনরুদ্ধার জন্য সঠিক মান কি?
যথার্থতা হিসাবে সংজ্ঞায়িত করা হয়: p = true positives / (true positives + false positives) এটি সঠিক যে, 0 true positivesএবং false positivesকাছে যাওয়ার সাথে সাথে নির্ভুলতা 1 এ পৌঁছেছে? প্রত্যাহার জন্য একই প্রশ্ন: r = true positives / (true positives + false negatives) আমি বর্তমানে একটি পরিসংখ্যানগত পরীক্ষা বাস্তবায়ন …
20 precision-recall  data-visualization  logarithm  references  r  networks  data-visualization  standard-deviation  probability  binomial  negative-binomial  r  categorical-data  aggregation  plyr  survival  python  regression  r  t-test  bayesian  logistic  data-transformation  confidence-interval  t-test  interpretation  distributions  data-visualization  pca  genetics  r  finance  maximum  probability  standard-deviation  probability  r  information-theory  references  computational-statistics  computing  references  engineering-statistics  t-test  hypothesis-testing  independence  definition  r  censoring  negative-binomial  poisson-distribution  variance  mixed-model  correlation  intraclass-correlation  aggregation  interpretation  effect-size  hypothesis-testing  goodness-of-fit  normality-assumption  small-sample  distributions  regression  normality-assumption  t-test  anova  confidence-interval  z-statistic  finance  hypothesis-testing  mean  model-selection  information-geometry  bayesian  frequentist  terminology  type-i-and-ii-errors  cross-validation  smoothing  splines  data-transformation  normality-assumption  variance-stabilizing  r  spss  stata  python  correlation  logistic  logit  link-function  regression  predictor  pca  factor-analysis  r  bayesian  maximum-likelihood  mcmc  conditional-probability  statistical-significance  chi-squared  proportion  estimation  error  shrinkage  application  steins-phenomenon 

5
পরিসংখ্যানবিদরা কি ধরে নিয়েছেন যে কেউ একটি গাছের অতিরিক্ত জল ফেলতে পারে না, বা আমি কেবল বক্ররেখার প্রতিরোধের জন্য ভুল অনুসন্ধান শব্দ ব্যবহার করছি?
লিনিয়ার রিগ্রেশন এবং জিএলএম সম্পর্কে আমি যা পড়েছি তার প্রায় প্রতিটি এটিই এখানে সিদ্ধ হয়: যেখানে এক্স এবং \ বিটা একটি ক্রমবর্ধমান বা অ-ক্রমযুক্ত ফাংশন হ'ল আপনি প্যারামিটার সম্পর্কে অনুমান এবং পরীক্ষা অনুমান। Y কে x এর f (x, \ বিটা) এর লিনিয়ার ফাংশন তৈরি করতে y এবং x এর …

3
কোন glm পরিবার ব্যবহার করবেন তা কীভাবে সিদ্ধান্ত নেবেন?
আমার কাছে মাছের ঘনত্বের ডেটা রয়েছে যা আমি বিভিন্ন সংগ্রহের কৌশলগুলির মধ্যে তুলনা করার চেষ্টা করছি, তথ্যটিতে প্রচুর শূন্য রয়েছে এবং হিস্টোগ্রামটি ঘনত্ব হিসাবে, একটি পোষন বিতরণের জন্য উপযুক্ত মনে হয়, এটি পূর্ণসংখ্যার ডেটা নয়। আমি জিএলএমগুলিতে তুলনামূলকভাবে নতুন এবং কোন বিতরণটি কীভাবে ব্যবহার করতে হবে তা কীভাবে বলতে হবে …

4
লগইট ফাংশন বাইনারি ডেটাগুলির রিগ্রেশন মডেলিংয়ের জন্য সর্বদা সেরা?
আমি এই সমস্যাটি নিয়ে ভাবছিলাম বাইনারি ডেটা মডেলিংয়ের জন্য স্বাভাবিক লজিস্টিক ফাংশনটি হ'ল: তবে লগিট ফাংশনটি যা কোনও এস-আকৃতির বক্ররেখা, ডেটা মডেলিংয়ের জন্য সর্বদা সেরা? হতে পারে আপনার বিশ্বাস করার কারণ আছে যে আপনার ডেটা সাধারণ এস-আকৃতির বক্ররেখা অনুসরণ করে না তবে ডোমেনের সাথে একটি ভিন্ন ধরণের বক্ররেখা(0,1)log(p1−p)=β0+β1X1+β2X2+…log⁡(p1−p)=β0+β1X1+β2X2+… \log\left(\frac{p}{1-p}\right)=\beta_0+\beta_1X_1+\beta_2X_2+\ldots (0,1)(0,1)(0,1) …

2
জিএলএম: বিতরণ এবং লিঙ্ক ফাংশন পছন্দ যাচাই করা
আমার কাছে সাধারণীকরণযোগ্য রৈখিক মডেল রয়েছে যা একটি গাউসীয় বিতরণ এবং লগ লিঙ্ক ফাংশন গ্রহণ করে। মডেলটি ফিট করার পরে, আমি অবশিষ্টাংশগুলি যাচাই করি: কিউকিউ প্লট, রেসিডুয়ালগুলি বনাম পূর্বাভাসিত মান, অবশিষ্টাংশের হিস্টোগ্রাম (স্বীকৃতি প্রদানের কারণে যে সতর্কতা প্রয়োজন) needed সবকিছু দেখতে সুন্দর লাগছে। এটি মনে হয় (আমার কাছে) মনে হয় …

1
আপনি একটি জিএলএম এর এমএলএল খুঁজে পেতে আইআরএলএস পদ্ধতির একটি সাধারণ স্বজ্ঞাত ব্যাখ্যা দিতে পারেন?
পটভূমি: আমি জিএলএম এর জন্য প্রিন্সটনের এমএলই অনুমানের পর্যালোচনা অনুসরণ করার চেষ্টা করছি । আমি MLE প্রাক্কলন বুনিয়াদি তা বুঝে দেখ likelihood, score, পালন ও প্রত্যাশিত Fisher informationএবং Fisher scoringটেকনিক। এবং আমি জানি যে কীভাবে এমএলই অনুমান সহ সাধারণ লিনিয়ার রিগ্রেশনকে ন্যায়সঙ্গত করা যায় । প্রশ্নটি: আমি এই পদ্ধতির প্রথম …

2
পোইসন রিগ্রেশনের জন্য পরিচয় লিঙ্ক বনাম লগ লিঙ্কের প্রস এবং কনস
আমি আমার মডেলের দুটি ফ্যাক্টরের স্তরের মধ্যে পূর্বাভাসের গড় গণনাগুলির তুলনা (এবং এর পার্থক্য নিয়ে) শেষ লক্ষ্য নিয়ে একটি পয়সন রিগ্রেশন চালিয়ে যাচ্ছি: , ধরে রেখে অন্যান্য মডেল covariates (যা সমস্ত বাইনারি হয়) ধ্রুবক। আমি ভাবছিলাম যে কোনও পরিচয় লিঙ্ক বনাম লগ লিঙ্ক কখন ব্যবহার করতে হবে সে সম্পর্কে কেউ …

2
আলাদা লিঙ্ক ফাংশন থাকা জিএলএম মডেলগুলির সাথে তুলনা করতে সমস্যা
সমবায় এবং বিতরণ পরিবারের একই সেট দেওয়া, আমি কীভাবে বিভিন্ন লিঙ্ক ফাংশনগুলি রয়েছে এমন মডেলগুলির তুলনা করতে পারি? আমি মনে করি যে এখানে সঠিক উত্তরটি "এআইসি / বিআইসি", তবে আমি 100% নিশ্চিত নই। নেস্টেড মডেলগুলির যদি আলাদা লিঙ্ক থাকে তবে তাদের পক্ষে কী সম্ভব?

1
জিএলএম-তে ক্যানোনিকাল লিঙ্ক ফাংশনের গণনা
আমি ভেবেছিলাম যে ক্যানোনিকাল লিঙ্ক ফাংশন পরিবারের প্রাকৃতিক প্যারামিটার থেকে। বলুন, পরিবার তারপরে হ'ল ক্যানোনিকাল লিঙ্ক ফাংশন। বার্নৌলি বিতরণকে উদাহরণ হিসাবে ধরুন , আমাদের কাছে সুতরাং, ক্যানোনিকাল লিঙ্ক ফাংশনf ( y , θ , ψ ) = exp { y θ - b ( θ )ছ( ⋅ )ছ(⋅)g(\cdot)θ=θ(μ)চ( y), θ …

3
জনসংখ্যার আর-বর্গ পরিবর্তনের উপর আস্থার ব্যবধান কীভাবে পাবেন
একটি সাধারণ উদাহরণের জন্য ধরে নিন যে দুটি লিনিয়ার রিগ্রেশন মডেল রয়েছে মডেল 1 গেছে তিন ভবিষ্যতবক্তা, x1a, x2b, এবংx2c মডেল 2 এর মডেল 1 থেকে তিনটি ভবিষ্যদ্বাণী এবং দুটি অতিরিক্ত ভবিষ্যদ্বাণী x2aএবংx2b একটি জনসংখ্যার রিগ্রেশন সমীকরণ রয়েছে যেখানে জনসংখ্যার বৈচিত্রটি বর্ণিত হয়েছে মডেল 1 এর জন্য ρ2(1)ρ(1)2\rho^2_{(1)} এবং মডেল …
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.