Preguntas etiquetadas con linear-model

Me interesaría encontrar formas en R para actualizar eficientemente un modelo lineal cuando se agrega una observación o un predictor. biglm tiene una capacidad de actualización al agregar observaciones, pero mis datos son lo suficientemente pequeños como para residir en la memoria (aunque tengo una gran cantidad de instancias para …

15 r  regression  computational-statistics  linear-model 

Esta pregunta trata sobre la estimación de máxima verosimilitud restringida (REML) en una versión particular del modelo lineal, a saber: Y=X(α)β+ϵ,ϵ∼Nn(0,Σ(α)),Y=X(α)β+ϵ,ϵ∼Nn(0,Σ(α)), Y = X(\alpha)\beta + \epsilon, \\ \epsilon\sim N_n(0, \Sigma(\alpha)), donde es una matriz ( n × p ) parametrizada por α ∈ R k , como lo es Σ …

14 mixed-model  maximum-likelihood  linear-model  optimization  reml 

Esta pregunta no pertenece específicamente R, pero elegí usarla Rpara ilustrarla. Considere el código para producir bandas de confianza alrededor de una línea qq (normal): library(car) library(MASS) b0<-lm(deaths~.,data=road) qqPlot(b0$resid,pch=16,line="robust") Estoy buscando una explicación de (o un enlace alternativo a un documento en papel / en línea que explique) cómo se …

14 confidence-interval  linear-model  qq-plot 

Parece que si tengo un modelo de regresión como yi∼β0+β1xi+β2x2i+β3x3iyi∼β0+β1xi+β2xi2+β3xi3y_i \sim \beta_0 + \beta_1 x_i+\beta_2 x_i^2 +\beta_3 x_i^3Puedo ajustar un polinomio en bruto y obtener resultados poco confiables o ajustar un polinomio ortogonal y obtener coeficientes que no tienen una interpretación física directa (por ejemplo, no puedo usarlos para encontrar …

14 regression  linear-model  regression-coefficients  polynomial 

Estoy realmente confundido acerca de la diferencia de significado con respecto al contexto de regresión lineal de los siguientes términos: Estadística F R-cuadrado Error estándar residual Encontré este sitio web que me dio una gran comprensión de los diferentes términos involucrados en la regresión lineal, sin embargo, los términos mencionados …

14 linear-model  nonlinear-regression  linear  f-statistic 

Sé cómo realizar una regresión lineal en un conjunto de puntos. Es decir, sé cómo ajustar un polinomio de mi elección, a un conjunto de datos dado (en el sentido LSE). Sin embargo, lo que no sé es cómo forzar a mi solución a pasar por algunos puntos particulares de …

14 regression  machine-learning  least-squares  linear-model  polynomial 

Una pregunta vergonzosamente simple, pero parece que no se ha hecho antes en Cross Validated: ¿Cuál es la definición de un modelo de regresión? También una pregunta de soporte, ¿Qué no es un modelo de regresión? Con respecto a esto último, estoy interesado en ejemplos difíciles donde la respuesta no …

13 regression  linear-model  model  terminology  definition 

Frecuentemente solía diagnosticar mis datos multivariados usando PCA (datos ómnicos con cientos de miles de variables y docenas o cientos de muestras). Los datos a menudo provienen de experimentos con varias variables categóricas independientes que definen algunos grupos, y a menudo tengo que pasar por algunos componentes antes de poder …

13 pca  linear-model  r-squared  discriminant-analysis 

No tengo ningún fondo en matemáticas, pero entiendo cómo funciona el simple Perceptron y creo que entiendo el concepto de un hiperplano (lo imagino geométricamente como un plano en el espacio 3D que separa dos nubes de puntos, al igual que una línea se separa) dos nubes de puntos en …

13 machine-learning  classification  linear-model  multi-class 

Tengo un conjunto de valores xxx e que están teóricamente relacionados exponencialmente:yyy y=axby=axsiy = ax^b Una forma de obtener los coeficientes es aplicando logaritmos naturales en ambos lados y ajustando un modelo lineal: > fit <- lm(log(y)~log(x)) > a <- exp(fit$coefficients[1]) > b <- fit$coefficients[2] Otra forma de obtener esto …

13 r  regression  linear-model  model-selection  nonlinear-regression 

Consideremos este conjunto de datos hipotético: set.seed(12345) num.subjects <- 10 dose <- rep(c(1,10,50,100), num.subjects) subject <- rep(1:num.subjects, each=4) group <- rep(1:2, each=num.subjects/2*4) response <- dose*dose/10 * group + rnorm(length(dose), 50, 30) df <- data.frame(dose=dose, response=response, subject=subject, group=group) podemos usar lmepara modelar la respuesta con un modelo de efectos aleatorios: require(nlme) …

13 mixed-model  linear-model  prediction 

¡Los gráficos a continuación son gráficos de dispersión residual de una prueba de regresión para la cual ya se han cumplido los supuestos de "normalidad", "homocedasticidad" e "independencia"! Para probar el supuesto de "linealidad" , aunque, al observar los gráficos, se puede adivinar que la relación es curvilínea, pero la …

13 multiple-regression  linear-model  assumptions  r-squared 

Una pregunta probablemente muy básica sobre ANOVA multifactorial. Supongamos un diseño bidireccional donde probamos los efectos principales A, B y la interacción A: B. Cuando se prueba el efecto principal para A con SS tipo I, el efecto SS se calcula como la diferencia R SS( 1 ) - R …

13 anova  linear-model 

El título lo dice todo, y estoy confundido. Lo siguiente ejecuta una medida repetida aov () en R, y ejecuta lo que pensé que era una llamada equivalente a lm (), pero devuelven diferentes residuales de error (aunque las sumas de cuadrados son las mismas). Claramente, los valores residuales y …

13 r  anova  repeated-measures  linear-model 

He leído algunas explicaciones sobre las propiedades de los modelos lineales frente a los no lineales, pero aún así a veces no estoy seguro de si un modelo disponible es lineal o no lineal. Por ejemplo, ¿el siguiente modelo es lineal o no lineal? yt=β0+β1B(L;θ)Xt+εtyt=β0+β1B(L;θ)Xt+εty_t=\beta_0 + \beta_1B(L;\theta)X_t+\varepsilon_t Con: B(L;θ)=∑k=1Kb(k;θ)LkB(L;θ)=∑k=1Kb(k;θ)LkB(L;\theta)=\sum_{k=1}^{K}b(k;\theta)L^k LkXt=Xt−kLkXt=Xt−kL^kX_t=X_{t-k} …

13 linear-model  nonlinear-regression  nonlinear