Preguntas etiquetadas con regression

Una norma es única (al menos en parte) porque está en el límite entre no convexo y convexo. Una norma es la norma convexa 'más escasa' (¿verdad?).L1L1L_1p=1p=1p=1L1L1L_1 Entiendo que la norma euclidiana tiene raíces en la geometría y tiene una interpretación clara cuando las dimensiones tienen las mismas unidades. Pero …

13 regression  regularization  sparse 

Sé que en la regresión lineal la variable de respuesta debe ser continua, pero ¿por qué es así? Parece que no puedo encontrar nada en línea que explique por qué no puedo usar datos discretos para la variable de respuesta.

13 regression  linear 

Poco fondo Estoy trabajando en la interpretación del análisis de regresión, pero estoy realmente confundido sobre el significado de r, r cuadrado y desviación estándar residual. Sé las definiciones: Caracterizaciones r mide la fuerza y ​​la dirección de una relación lineal entre dos variables en un diagrama de dispersión R-cuadrado …

13 r  regression  regression-coefficients  linear  pearson-r 

Dadas dos variables aleatorias y η podemos calcular su "coeficiente de correlación" c , y formar la línea de mejor ajuste entre estas dos variables aleatorias. Mi pregunta es por quéξξ\xiηη\etaccc 1) Hay variables aleatorias, y η que dependen de la peor manera posible, es decir, ξ = f ( …

13 regression 

En el libro de Bishop sobre aprendizaje automático, se analiza el problema de ajustar una función polinómica a un conjunto de puntos de datos. Sea M el orden del polinomio ajustado. Dice como eso Vemos que, a medida que M aumenta, la magnitud de los coeficientes generalmente aumenta. En particular …

13 regression  least-squares  curve-fitting  polynomial 

En Métodos estadísticos en las ciencias atmosféricas , Daniel Wilks señala que la regresión lineal múltiple puede conducir a problemas si hay intercorrelaciones muy fuertes entre los predictores (3a edición, página 559-560): Una patología que puede ocurrir en la regresión lineal múltiple es que un conjunto de variables predictoras que …

13 regression  pca  bias 

Esta pregunta está inspirada en la larga discusión en los comentarios aquí: ¿Cómo usa la regresión lineal la distribución normal? En el modelo de regresión lineal habitual, para simplificar aquí escrito con un solo predictor: Yi=β0+β1xi+ϵiYi=β0+β1xi+ϵi Y_i = \beta_0 + \beta_1 x_i + \epsilon_i donde xixix_i son constantes conocidas y …

13 regression  normal-distribution  mathematical-statistics  maximum-likelihood  least-squares 

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 

¿Qué es una estadística F parcial? ¿Es eso lo mismo que la prueba F parcial? ¿Cuándo calcularías una estadística F parcial? Supongo que esto tiene algo que ver con la comparación de modelos de regresión, pero no estoy siguiendo algo (?)

13 regression  multiple-regression 

Estoy trabajando en algunos datos sintéticos para el modelo Error en variable para algunas investigaciones. Actualmente tengo una sola variable independiente, y supongo que sé la varianza para el verdadero valor de la variable dependiente. Entonces, con esta información, puedo lograr un estimador imparcial para el coeficiente de la variable …

13 regression  matlab  unbiased-estimator  errors-in-variables 

En el modelo y=Xβ+ϵy=Xβ+ϵ{y} = X \beta + \epsilon , podríamos estimar ββ\beta utilizando la ecuación normal: β^=(X′X)−1X′y,β^=(X′X)−1X′y,\hat{\beta} = (X'X)^{-1}X'y,y podríamos obtener y =X β .y^=Xβ^.y^=Xβ^.\hat{y} = X \hat{\beta}. El vector de residuos se estima por ϵ^=y−Xβ^=(I−X(X′X)−1X′)y=Qy=Q(Xβ+ϵ)=Qϵ,ϵ^=y−Xβ^=(I−X(X′X)−1X′)y=Qy=Q(Xβ+ϵ)=Qϵ,\hat{\epsilon} = y - X \hat{\beta} = (I - X (X'X)^{-1} X') y = …

13 regression  least-squares  inference 

Al realizar la regresión, si vamos por la definición de: ¿Cuál es la diferencia entre una probabilidad parcial, probabilidad de perfil y probabilidad marginal? eso, máxima verosimilitud Encuentra β y θ que maximiza L (β, θ | datos). Mientras, probabilidad marginal Integramos θ a partir de la ecuación de probabilidad …

13 regression  maximum-likelihood 

Me gustaría hacer una prueba W de Shapiro Wilk y una prueba de Kolmogorov-Smirnov en los residuos de un modelo lineal para verificar la normalidad. Me preguntaba qué residuos deberían usarse para esto: los residuos en bruto, los residuos de Pearson, los residuos estudiados o los residuos estandarizados. Para una …

13 r  regression  residuals  normality-assumption  lm 

¿Cómo detrendo series de tiempo? ¿Está bien tomar la primera diferencia y ejecutar una prueba de Dickey Fuller, y si es estacionaria, estamos bien? También descubrí en línea que puedo eliminar la tendencia de las series de tiempo haciendo esto en Stata: reg lncredit time predict u_lncredit, residuals twoway line …

13 regression  time-series  stata  stationarity 

En general, me pregunto si es mejor no usar polinomios ortogonales al ajustar una regresión con variables de orden superior. En particular, me pregunto con el uso de R: Si poly()con raw = FALSEproduce los mismos valores ajustados como poly()con raw = TRUE, y polycon raw = FALSEresuelve algunos de …

13 r  regression  polynomial