Preguntas etiquetadas con regression

Técnicas para analizar la relación entre una (o más) variables "dependientes" y variables "independientes".

2
¿Existe una suposición sobre regresión logística?
¿Existe alguna suposición sobre la variable de respuesta de regresión logística? Por ejemplo, supongamos que tenemos puntos de datos. Parece que la respuesta proviene de una distribución de Bernoulli con . Por lo tanto, deberíamos tener distribuciones de Bernoulli, con diferentes parámetros .Y i p i = logit ( β …



1
Prueba de fórmula LOOCV
De una Introducción al aprendizaje estadístico de James et al., La estimación de validación cruzada de dejar uno fuera (LOOCV) se define por CV(n)=1n∑i=1nMSEiCV(n)=1n∑i=1nMSEi\text{CV}_{(n)} = \dfrac{1}{n}\sum\limits_{i=1}^{n}\text{MSE}_i dondeMSEi=(yi−y^i)2MSEi=(yi−y^i)2\text{MSE}_i = (y_i-\hat{y}_i)^2. Sin prueba, la ecuación (5.2) establece que para una regresión de mínimos cuadrados o polinomios (si esto se aplica a la …





4
Determinación de la función de ajuste de curva de mejor ajuste a partir de funciones lineales, exponenciales y logarítmicas
Contexto: De una pregunta sobre Mathematics Stack Exchange (¿Puedo construir un programa) , alguien tiene un conjunto de puntos y , y quiere ajustarle una curva, lineal, exponencial o logarítmica. El método habitual es comenzar eligiendo uno de estos (que especifica el modelo) y luego hacer los cálculos estadísticos.x−yx−yx-y Pero …


4
¿Puedo simplemente eliminar una de las dos variables predictoras que están altamente correlacionadas linealmente?
Usando el coeficiente de correlación de Pearson, tengo varias variables que están altamente correlacionadas ( y para 2 pares de variables que están en mi modelo).ρ=0.978ρ=0.978\rho = 0.978ρ=0.989ρ=0.989\rho = 0.989 La razón por la cual algunas de las variables están altamente correlacionadas es porque una variable se usa en el …


5
¿Cuál es la razón por la cual la transformación logarítmica se usa con distribuciones sesgadas a la derecha?
Una vez escuché eso la transformación logarítmica es la más popular para distribuciones sesgadas a la derecha en regresión lineal o regresión cuantil Me gustaría saber si hay alguna razón subyacente a esta declaración. ¿Por qué la transformación logarítmica es adecuada para una distribución sesgada a la derecha? ¿Qué tal …



Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.