প্রশ্ন ট্যাগ «logarithm»

কোনও সংখ্যার লগারিদম হল শক্তিটি যার কাছে সংখ্যাটি পাওয়ার জন্য বেসটি উত্থাপন করতে হবে।

2
কখন (এবং কেন) আপনার কোনও বিতরণের লগ নেওয়া উচিত (সংখ্যার)?
বলুন আমার কাছে কিছু historicalতিহাসিক ডেটা রয়েছে যেমন, অতীতের শেয়ারের দাম, বিমানের টিকিটের দামের ওঠানামা, সংস্থার অতীতের আর্থিক তথ্য ... এখন কেউ (বা কোনও সূত্র) বরাবর এসে বলে "চলুন বিতরণটির লগটি ব্যবহার করি / ব্যবহার করি" এবং এখানে আমি কেন যাই ? প্রশ্নাবলী: কেন প্রথমে বিতরণটির লগ নেওয়া উচিত? মূল …

8
লিনিয়ার রিগ্রেশন-এ, প্রকৃত মানগুলির পরিবর্তে স্বতন্ত্র ভেরিয়েবলের লগটি ব্যবহার করা কখন উপযুক্ত?
আমি কি প্রশ্নে স্বতন্ত্র ভেরিয়েবলের জন্য আরও ভাল আচরণের বিতরণ খুঁজছি, বা বহিরাগতদের প্রভাব কমাতে বা অন্য কিছু?

3
লগের রূপান্তরিত ভবিষ্যদ্বাণী এবং / অথবা প্রতিক্রিয়ার ব্যাখ্যা
আমি ভাবছি কিনা এটির ব্যাখ্যায় কোনও পার্থক্য রয়েছে কিনা কেবল নির্ভরশীল, নির্ভরশীল এবং স্বতন্ত্র বা কেবলমাত্র স্বাধীন ভেরিয়েবলগুলি লগ রূপান্তরিত কিনা। ক্ষেত্রে বিবেচনা করুন log(DV) = Intercept + B1*IV + Error আমি আইভিটি শতাংশ বৃদ্ধি হিসাবে ব্যাখ্যা করতে পারি তবে আমার যখন কীভাবে এই পরিবর্তন হয় log(DV) = Intercept + …
46 regression  data-transformation  interpretation  regression-coefficients  logarithm  r  dataset  stata  hypothesis-testing  contingency-tables  hypothesis-testing  statistical-significance  standard-deviation  unbiased-estimator  t-distribution  r  functional-data-analysis  maximum-likelihood  bootstrap  regression  change-point  regression  sas  hypothesis-testing  bayesian  randomness  predictive-models  nonparametric  terminology  parametric  correlation  effect-size  loess  mean  pdf  quantile-function  bioinformatics  regression  terminology  r-squared  pdf  maximum  multivariate-analysis  references  data-visualization  r  pca  r  mixed-model  lme4-nlme  distributions  probability  bayesian  prior  anova  chi-squared  binomial  generalized-linear-model  anova  repeated-measures  t-test  post-hoc  clustering  variance  probability  hypothesis-testing  references  binomial  profile-likelihood  self-study  excel  data-transformation  skewness  distributions  statistical-significance  econometrics  spatial  r  regression  anova  spss  linear-model 

4
প্রাকৃতিক লগ পরিবর্তনগুলি শতাংশের পরিবর্তন কেন হয়? লগগুলি এমন কী করে যা এটি করে?
কেউ কি ব্যাখ্যা করতে পারেন যে লগগুলির বৈশিষ্ট্যগুলি কীভাবে এটি তৈরি করে আপনি লিনিয়ার রেজিস্ট্রেশনগুলি করতে পারেন যেখানে সহগুণগুলি শতাংশ পরিবর্তন হিসাবে ব্যাখ্যা করা হয়?

6
ভাঙ্গা অক্ষগুলির বিকল্প কী?
ব্যবহারকারীরা প্রায়শই একই গ্রাফের বিভিন্ন অর্ডারের আকারের ডেটা উপস্থাপন করতে অক্ষের মানগুলি ভেঙে ফেলার প্রলোভন দেখায় ( এখানে দেখুন )। যদিও এটি সুবিধাজনক হতে পারে তবে ডেটা প্রদর্শন করার পক্ষে এটি সর্বদা পছন্দ করা উপায় নয় (সর্বোপরি বিভ্রান্তিকর হতে পারে)। ডেটা প্রদর্শনের বিকল্প উপায়গুলি কী কী পরিমাণে বিভিন্ন অর্ডারে আলাদা? …

1
প্রত্যাশিত মান এবং লগের প্রকরণ (ক)
আমার একটি এলোমেলো পরিবর্তনশীল যেখানে একটি সাধারণ বিতরণ করা হয় । আমি এবং সম্পর্কে কী বলতে পারি ? একটি আনুমানিক খুব সহায়ক হবে।এন ( μ , σ 2 ) ই ( এক্স ) ভি এ আর ( এক্স )X(a)=log(a)X(a)=log⁡(a)X(a) = \log(a)N(μ,σ2)N(μ,σ2)\mathcal N(\mu,\sigma^2)E(X)E(X)E(X)Var(X)Var(X)Var(X)

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 

4
পরিসংখ্যান, আমি অনুমান করা উচিত করা মানে বা স্বাভাবিক লগারিদম ?
আমি পরিসংখ্যান অধ্যয়ন করছি এবং প্রায়শই সমন্বিত সূত্রগুলি জুড়ে আসি logএবং আমি সর্বদা বিভ্রান্ত হই যদি আমার এটির স্ট্যান্ডার্ড অর্থ হিসাবে logঅর্থাত্ বেস 10, বা যদি পরিসংখ্যানগুলিতে প্রতীকটি log সাধারণত প্রাকৃতিক লগ হিসাবে ধরে নেওয়া হয় তবে তা ব্যাখ্যা করা উচিত ln। বিশেষত আমি উদাহরণ হিসাবে গুড-টিউরিং ফ্রিকোয়েন্সি অনুমানটি অধ্যয়ন …

1
সম্ভাব্যতার বনাম সম্ভাবনা লগ করুন
এই অনুযায়ী Wikipedia নিবন্ধটি , এক সম্ভাব্যতা গুণফল উপস্থাপন করতে পারেন x⋅yহিসাবে -log(x) - log(y)আরো গণনা অনুকূল গণনার করে। তবে যদি আমি উদাহরণ চেষ্টা করি তবে বলুন: p1 = 0.5 p2 = 0.5 p1 * p2 = 0.25 -log(p1) - log(p2) = 2 p3 = 0.1 p4 = 0.1 p3 …

2
গামা র্যান্ডম ভেরিয়েবলের লোগারিদমের স্কিউনেস
বিবেচনা করুন গামা দৈব চলক X∼Γ(α,θ)X∼Γ(α,θ)X\sim\Gamma(\alpha, \theta) । গড়, বৈকল্পিকতা এবং স্কিউনেসের জন্য ঝরঝরে সূত্র রয়েছে: E[X]Var[X]Skewness[X]=αθ=αθ2=1/α⋅E[X]2=2/α−−√E[X]=αθVar⁡[X]=αθ2=1/α⋅E[X]2Skewness⁡[X]=2/α\begin{align} \mathbb E[X]&=\alpha\theta\\ \operatorname{Var}[X]&=\alpha\theta^2=1/\alpha\cdot\mathbb E[X]^2\\ \operatorname{Skewness}[X]&=2/\sqrt{\alpha} \end{align} এখন লগ-ট্রান্সফর্মড এলোমেলো ভেরিয়েবল । উইকিপিডিয়া গড় এবং বিভিন্নতার জন্য সূত্র দেয়:Y=log(X)Y=log⁡(X)Y=\log(X) E[Y]Var[Y]=ψ(α)+log(θ)=ψ1(α)E[Y]=ψ(α)+log⁡(θ)Var⁡[Y]=ψ1(α)\begin{align} \mathbb E[Y]&=\psi(\alpha)+\log(\theta)\\ \operatorname{Var}[Y]&=\psi_1(\alpha)\\ \end{align} ডিগামা এবং ট্রিগমা ফাংশনগুলির মাধ্যমে যা গামা ফাংশনের লগারিদমের প্রথম …

2
মূল উপাদান বিশ্লেষণ করার আগে ডেটা লগ-ট্রান্সফর্মিং কেন?
আমি এখানে একটি টিউটোরিয়াল অনুসরণ করছি: পিসিএ সম্পর্কে আরও ভাল ধারণা অর্জনের জন্য http://www.r-bloggers.com/computing-and-visualizing-pca-in-r/ টিউটোরিয়ালটি আইরিস ডেটাसेट ব্যবহার করে এবং পিসিএর পূর্বে লগ রূপান্তর প্রয়োগ করে: লক্ষ্য করুন যে নিম্নলিখিত কোডটিতে আমরা [1] এর পরামর্শ অনুসারে অবিচ্ছিন্ন ভেরিয়েবলগুলিতে একটি লগ রূপান্তরকরণ প্রয়োগ করি এবং পিসিএ প্রয়োগের পূর্বে ভেরিয়েবলগুলি মানীকরণের জন্য …

2
কিভাবে লগারিদমে নেতিবাচক মানগুলি রূপান্তর করবেন?
আমি জানতে চাই কিভাবে নেতিবাচক মানগুলিতে রূপান্তর করতে হয় Log(), যেহেতু আমার কাছে হেটেরোস্কেস্টিক ডেটা রয়েছে। আমি পড়েছি যে এটি সূত্রটি Log(x+1)নিয়ে কাজ করে তবে এটি আমার ডাটাবেসের সাথে কাজ করে না এবং ফলস্বরূপ আমি এনএএনএস পেতে থাকি। উদাহরণস্বরূপ আমি এই সতর্কতা বার্তাটি পাই (আমি আমার সম্পূর্ণ ডাটাবেস রাখিনি কারণ …
12 r  logarithm 

2
লোগারিদমিক অফসেট সহ বাইনারি মডেল (প্রবিট এবং লগিট)
প্রবিট এবং লগাইটের মতো বাইনারি মডেলগুলিতে কোনও অফসেট কীভাবে কাজ করে তার কোনও বিকাশ আছে? আমার সমস্যাটিতে, ফলো-আপ উইন্ডো দৈর্ঘ্যে পরিবর্তিত হতে পারে। ধরা যাক রোগীরা চিকিত্সা হিসাবে প্রফিল্যাকটিক শট পান। শটটি বিভিন্ন সময়ে ঘটে থাকে, সুতরাং যদি ফলাফলটি কোনও বাইনারি সূচক হয় তবে কোনও অসুবিধাগুলি ঘটেছিল কিনা আপনার এই …

1
লগড ভেরিয়েবল কেন ব্যবহার করবেন?
সম্ভবত, এটি একটি খুব প্রাথমিক প্রশ্ন তবে আমি এর পক্ষে একটি দৃ answer় উত্তর খুঁজে পেতে সক্ষম হবে বলে মনে হয় না। আমি এখানে আশা করি, আমি পারি। আমি বর্তমানে আমার নিজের মাস্টারের থিসিসের প্রস্তুতি হিসাবে কাগজপত্র পড়ছি। বর্তমানে, আমি একটি কাগজ পড়ছি যা টুইট এবং শেয়ার বাজারের বৈশিষ্ট্যগুলির মধ্যে …

2
লগ পার্থক্য সময় সিরিজের মডেলগুলি বৃদ্ধির হারের চেয়ে ভাল?
প্রায়শই আমি দেখি লেখকরা "লগ ডিফারেন্স" মডেলটি অনুমান করে, যেমন লগ( y)টি) - লগ( y)টি - 1) = লগ( y)টি/ ওয়াইটি - 1) = α + βএক্সটিলগ⁡(Yটি)-লগ⁡(Yটি-1)=লগ⁡(Yটি/Yটি-1)=α+ +βএক্সটি\log (y_t)-\log(y_{t-1}) = \log(y_t/y_{t-1}) = \alpha + \beta x_t আমি সম্মত এই সম্পর্কযুক্ত উপযুক্ত মধ্যে শতকরা পরিবর্তনের যখন হয় ।y t লগ ( …

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.