প্রশ্ন ট্যাগ «residuals»

ওএলএস একাধিক লিনিয়ার রিগ্রেশন বহন করার সময়, লাগানো মানগুলির বিরুদ্ধে অবশিষ্টাংশ প্লট করার পরিবর্তে আমি (অভ্যন্তরীণ) স্টাটেডাইজড রেসিডুয়ালগুলিকে লাগানো মানগুলির (কোভেরিয়েটগুলির জন্য ডাইটো) বিরুদ্ধে প্লট করি। এই অবশিষ্টাংশগুলি হিসাবে সংজ্ঞায়িত করা হয়: ই*আমি= ইআমিগুলি2( 1 - এইচi i)---------√ei∗=eis2(1−hii)\begin{equation} e^*_i = \frac{e_i}{\sqrt{s^2 (1-h_{ii})}} \end{equation} যেখানে হল অবশিষ্ট এবং the হ্যাট ম্যাট্রিক্সের …

10 regression  residuals  diagnostic 

ধরা যাক আমাদের একটি মডেল আছে Yi=β0+β1Xi1+β2Xi2+⋯+βkXik+ϵiYi=β0+β1Xi1+β2Xi2+⋯+βkXik+ϵiY_i = \beta_0 + \beta_1X_{i1} + \beta_2X_{i2} + \dots + \beta_kX_{ik} + \epsilon_i। রিগ্রেশনটির অনেকগুলি অনুমান রয়েছে যেমন ত্রুটি ϵiϵi\epsilon_iসাধারণত গড় শূন্য এবং ধ্রুবক বৈচিত্র সহ বিতরণ করা উচিত। অবশিষ্টাংশের স্বাভাবিকতার জন্য পরীক্ষা করার জন্য আমাকে একটি সাধারণ কিউকিউ প্লট ব্যবহার করে এই অনুমানগুলি …

10 regression  residuals  error 

আমি এলওএফ পরিমাপের (স্থানীয় আউটিলার ফ্যাক্টর) পদক্ষেপে পদক্ষেপ নিয়েছি, আমি বহিরাগতদের শব্দটির সাথে পরিচিত (ভাল মূলত মিথ্যাবাদী - যে উদাহরণগুলি বাকী উদাহরণগুলির মতো আচরণ করে না)। 'ইনলিয়ার্স' এর বিপরীত সনাক্তকরণের প্রসঙ্গে কী বোঝায়? এবং এটি কীভাবে (বিদেশী) বিদেশীদের সাথে সম্পর্কিত?

10 residuals  outliers  anomaly-detection 

রিগ্রেশন মডেলগুলিতে কি "স্টুডেন্টাইজড রেসিডুয়ালস" এবং "স্ট্যান্ডার্ডাইজড রেসিডুয়ালগুলি" একই? আমি আর-তে একটি লিনিয়ার রিগ্রেশন মডেল তৈরি করেছি এবং স্টুডেন্টাইজড রেসিডুয়ালের v / s লাগানো মানগুলির গ্রাফ প্লট করতে চেয়েছিলাম, তবে আর-তে এটি করার একটি স্বয়ংক্রিয় উপায় খুঁজে পাইনি ধরুন আমার কাছে একটি মডেল আছে library(MASS) lm.fit <- lm(Boston$medv~(Boston$lstat)) তারপরে ব্যবহার …

10 r  regression  residuals  terminology 

প্রথমত: আমি যা বুঝতে পেরেছি সেগুলি থেকে বুটস্ট্র্যাপিং অবশিষ্টাংশগুলি নিম্নলিখিত হিসাবে কাজ করে: ডেটা মাপসই মডেল অবশিষ্টগুলি গণনা করুন অবশিষ্টগুলি পুনরায় নমুনা করুন এবং তাদের 1 এ যুক্ত করুন। 3 থেকে নতুন ডেটাসেটে মডেল ফিট করুন। পুনরাবৃত্তি nবার করুন, কিন্তু সর্বদা 1 থেকে পুনরায় সজ্জিত অবশিষ্টাংশ যুক্ত করুন। এখনও কি …

10 time-series  matlab  bootstrap  residuals 

এটি বর্ণনা করা আমার পক্ষে বেশ কঠিন, তবে আমি আমার সমস্যাটিকে বোধগম্য করার চেষ্টা করব। সুতরাং প্রথমে আপনাকে জানতে হবে যে আমি এ পর্যন্ত একটি খুব সাধারণ লিনিয়ার রিগ্রেশন করেছি। গুণমানটি অনুমান করার আগে আমি আমার বিতরণ দেখেছি । এটি ভারী বাম স্কুঙ্কযুক্ত। আমি মডেলটি অনুমান করার পরে, আমি ওয়েল …

10 regression  residuals  skewness 

অবিচ্ছিন্ন প্রতিক্রিয়াতে ওএলএস রিগ্রেশন প্রয়োগ করা হলে, প্রতিটি কোভারিয়েটে রেসিডেন্সিয়াল রেসিস্ট্রেশনগুলি ক্রমান্বয়ে চালিয়ে একাধিক রিগ্রেশন সমীকরণ তৈরি করা যায়। আমার প্রশ্ন হ'ল লজিস্টিক রিগ্রেশন রেসিডুয়ালগুলির মাধ্যমে লজিস্টিক রিগ্রেশন দিয়ে এটি করার কোনও উপায় আছে কি ? মানে, যদি আমি অনুমান করতে চান মান পদ্ধতির মডেলিং রৈখিক সাধারণ ব্যবহার, সেখানে বিরুদ্ধে …

9 regression  logistic  residuals 

আমি আরও জটিল মডেলের প্রয়োজন, বা আরও জটিল মডেলের প্রয়োজন না হিসাবে ডেটা পয়েন্টগুলি শ্রেণিবদ্ধ করতে চাই। আমার বর্তমান চিন্তাভাবনা হ'ল সমস্ত তথ্য একটি সাধারণ রৈখিক মডেলের সাথে ফিট করে এবং এই শ্রেণিবদ্ধকরণটি করার জন্য অবশিষ্টাংশের আকার পর্যবেক্ষণ করে। আমি তখন ত্রুটির প্রতি পক্ষপাতিত্ব এবং প্রকরণের অবদান সম্পর্কে কিছু পড়েছিলাম …

9 regression  multiple-regression  residuals  bias-variance-tradeoff 

সর্বনিম্ন স্কোয়ার পদ্ধতিতে আমরা মডেলটির অজানা পরামিতিগুলি অনুমান করতে চাই: Yj=α+βxj+εj(j=1...n)ওয়াইঞ=α+ +βএক্সঞ+ +εঞ(ঞ=1 ...এন)Y_j = \alpha + \beta x_j + \varepsilon_j \enspace (j=1...n) একবার আমরা এটি করার পরে (কিছু পর্যবেক্ষণ করা মানগুলির জন্য), আমরা লাগানো রিগ্রেশন লাইন পাই: Yj=α^+β^x+ej(j=1,...n)ওয়াইঞ=α^+ +β^এক্স+ +ইঞ(ঞ=1,।।।এন)Y_j = \hat{\alpha} + \hat{\beta}x +e_j \enspace (j =1,...n) অনুমানগুলি …

9 regression  least-squares  residuals  heteroscedasticity  assumptions 

আমার এই ডেটা আছে: set.seed(1) predictor <- rnorm(20) set.seed(1) counts <- c(sample(1:1000, 20)) df <- data.frame(counts, predictor) আমি একটি পিসন রিগ্রেশন চালিয়েছি poisson_counts <- glm(counts ~ predictor, data = df, family = "poisson") এবং একটি নেতিবাচক দ্বিপদী রিগ্রেশন: require(MASS) nb_counts <- glm.nb(counts ~ predictor, data = df) তারপরে আমি পয়েসন …

9 generalized-linear-model  residuals  negative-binomial  poisson-regression  dispersion 

যখন (অর্থাত্ লিনিয়ার রিগ্রেশন মডেল থেকে আসে), এবং সে ক্ষেত্রে অবশিষ্টাংশগুলি পারস্পরিক সম্পর্কযুক্ত এবং স্বতন্ত্র নয়। তবে যখন আমরা রিগ্রেশন ডায়াগোনস্টিক করি এবং অনুমান , তখন প্রতিটি পাঠ্যপুস্তক Q যে পরীক্ষা ডিজাইন করা হয়েছে কিনা কিছু ।Y=AX+εY=AX+εY = AX + \varepsilonYYYε∼N(0,σ2I)⇒e^=(I−H)Y∼N(0,(I−H)σ2)ε∼N(0,σ2I)⇒e^=(I−H)Y∼N(0,(I−H)σ2)\varepsilon \sim \mathcal{N}(0, \sigma^2 I) \hspace{1em} \Rightarrow \hspace{1em} \hat{e} = …

9 regression  residuals  non-independent 

আমার কাছে দুটি শ্রেণিবদ্ধ নামমাত্র ভেরিয়েবল (5 টি বিভাগ সহ উভয়) সহ একটি ডেটা সেট রয়েছে। আমি (এবং কীভাবে) এই দুটি ভেরিয়েবল থেকে বিভাগগুলির মধ্যে সম্ভাব্য পারস্পরিক সম্পর্ক সনাক্ত করতে সক্ষম কিনা তা জানতে চাই। অন্য কথায় কিনা উদাহরণস্বরূপ বিভাগ ফলাফল পরিবর্তনশীল জনের মধ্যে 1 জন কোনো নির্দিষ্ট শ্রেণীর সঙ্গে …

9 correlation  residuals  contingency-tables  categorical-data 

আমি নীচের ফর্মটির একটি রিগ্রেশন সমীকরণ ফিট করতে এসএএস-তে প্রোসি জিএলএম ব্যবহার করছি ওয়াই=খ0+ +খ1এক্স1+ +খ2এক্স2+ +খ3এক্স3+ +খ4টিY=b0+b1X1+b2X2+b3X3+b4t Y = b_0 + b_1X_1 + b_2X_2 + b_3X_3 + b_4t ফলাফলযুক্ত রেডসিডুয়ালের কিউকিউ প্লটটি স্বাভাবিকতা থেকে বিচ্যুতি নির্দেশ করে। কোনও রূপান্তর অবশিষ্টাংশগুলিকে স্বাভাবিক করতে কার্যকর নয়।ওয়াইYY এই মুহুর্তে, আমি নিরাপদে পিআরসি …

9 regression  multiple-regression  nonparametric  residuals  sas 

রিগ্রেশন অ্যানালাইসিস বাই উদাহরণ অনুসারে , অবশিষ্টাংশটি প্রতিক্রিয়া এবং পূর্বাভাসিত মানের মধ্যে পার্থক্য, তারপরে বলা হয় যে প্রতিটি অবশিষ্টাংশের ভিন্নতা রয়েছে, সুতরাং আমাদের মানকৃত অবশিষ্টাংশগুলি বিবেচনা করা উচিত। তবে ভেরিয়েন্সটি একটি মানের একটি গ্রুপের জন্য, একক মানের বৈকল্পিকতা কীভাবে থাকতে পারে?

9 regression  residuals 

আর qqplot(linear model)-তে, y- অক্ষে মানকৃত অবশিষ্টাংশগুলি কেন ডিফল্ট সেটিংস ব্যবহার করবেন? আর কেন "নিয়মিত" অবশিষ্টাংশ ব্যবহার করবেন না?

9 r  regression  linear-model  residuals  qq-plot