Preguntas etiquetadas con residuals

Mirando las definiciones de Wikipedia de: Error Cuadrático Medio (MSE) Suma residual de cuadrados (RSS) Me parece que MSE=1NRSS=1N∑(fi−yi)2MSE=1NRSS=1N∑(fi−yi)2\text{MSE} = \frac{1}{N} \text{RSS} = \frac{1}{N} \sum (f_i -y_i)^2 donde es el número de muestras y es nuestra estimación de .NNNfifif_iyiyiy_i Sin embargo, ninguno de los artículos de Wikipedia menciona esta relación. …

31 residuals  mse 

Esto parece una pregunta similar y no obtuvo muchas respuestas. Omitiendo pruebas como la D de Cook, y solo mirando los residuos como grupo, estoy interesado en cómo otros usan los residuos al evaluar la bondad de ajuste. Yo uso los residuos en bruto: en un gráfico QQ, para evaluar …

31 goodness-of-fit  residuals 

Cuando uso GAM, me da un DF residual de 26.626.626.6 (última línea en el código). Qué significa eso? Yendo más allá del ejemplo de GAM, en general, ¿puede el número de grados de libertad ser un número no entero? > library(gam) > summary(gam(mpg~lo(wt),data=mtcars)) Call: gam(formula = mpg ~ lo(wt), data …

27 r  degrees-of-freedom  gam  machine-learning  pca  lasso  probability  self-study  bootstrap  expected-value  regression  machine-learning  linear-model  probability  simulation  random-generation  machine-learning  distributions  svm  libsvm  classification  pca  multivariate-analysis  feature-selection  archaeology  r  regression  dataset  simulation  r  regression  time-series  forecasting  predictive-models  r  mean  sem  lavaan  machine-learning  regularization  regression  conv-neural-network  convolution  classification  deep-learning  conv-neural-network  regression  categorical-data  econometrics  r  confirmatory-factor  scale-invariance  self-study  unbiased-estimator  mse  regression  residuals  sampling  random-variable  sample  probability  random-variable  convergence  r  survival  weibull  references  autocorrelation  hypothesis-testing  distributions  correlation  regression  statistical-significance  regression-coefficients  univariate  categorical-data  chi-squared  regression  machine-learning  multiple-regression  categorical-data  linear-model  pca  factor-analysis  factor-rotation  classification  scikit-learn  logistic  p-value  regression  panel-data  multilevel-analysis  variance  bootstrap  bias  probability  r  distributions  interquartile  time-series  hypothesis-testing  normal-distribution  normality-assumption  kurtosis  arima  panel-data  stata  clustered-standard-errors  machine-learning  optimization  lasso  multivariate-analysis  ancova  machine-learning  cross-validation 

Aprendí que debo comprobar la normalidad no en los datos en bruto sino en sus residuos. ¿Debo calcular los residuos y luego hacer la prueba W de Shapiro-Wilk? ¿Los residuos se calculan como: ?Xi−meanXi−meanX_i - \text{mean} Consulte esta pregunta anterior para mis datos y el diseño.

27 normality-assumption  residuals  assumptions 

En la regresión lineal múltiple, puedo entender que las correlaciones entre el residual y los predictores son cero, pero ¿cuál es la correlación esperada entre el residual y la variable de criterio? ¿Debería esperarse que sea cero o altamente correlacionado? ¿Cuál es el significado de eso?

26 regression  residuals 

Actualmente estoy luchando por encontrar el modelo correcto para datos de recuento difíciles (variable dependiente). He probado varios modelos diferentes (los modelos de efectos mixtos son necesarios para mi tipo de datos) como lmery lme4(con una transformación logarítmica), así como modelos de efectos mixtos lineales generalizados con varias familias, como …

25 generalized-linear-model  residuals  negative-binomial  count-data  glmm 

Estoy un poco confundido sobre cuáles son los supuestos de la regresión lineal. Hasta ahora verifiqué si: Todas las variables explicativas se correlacionaron linealmente con la variable de respuesta. (Este fue el caso) hubo alguna colinealidad entre las variables explicativas. (había poca colinealidad). las distancias de Cook de los puntos …

22 linear-model  residuals  assumptions  normality-assumption 

Gelman y Hill (2006) escriben en p46 que: El supuesto de regresión que generalmente es menos importante es que los errores se distribuyen normalmente. De hecho, con el propósito de estimar la línea de regresión (en comparación con la predicción de puntos de datos individuales), el supuesto de normalidad es …

21 regression  residuals  assumptions 

Recientemente me embarqué en ajustar modelos mixtos de regresión en el marco bayesiano, utilizando un algoritmo MCMC (función MCMCglmm en R en realidad). Creo que he entendido cómo diagnosticar la convergencia del proceso de estimación (traza, diagrama de Geweke, autocorrelación, distribución posterior ...). Una de las cosas que me llama …

21 r  bayesian  mixed-model  mcmc  residuals 

Según un texto que estoy usando, la fórmula para la varianza del residuo yot hyothi^{th} viene dada por: σ2( 1 - 1norte- ( xyo- x¯¯¯)2Sx x)σ2(1-1norte-(Xyo-X¯)2SXX)\sigma^2\left ( 1-\frac{1}{n}-\frac{(x_{i}-\overline{x})^2}{S_{xx}} \right ) Me parece difícil de creer ya que la yot hyothi^{th} residual es la diferencia entre el ithyothi^{th} valor observado y …

21 regression  variance  residuals 

Definimos una arquitectura de cuello de botella como el tipo que se encuentra en el documento de ResNet donde [dos capas de conv 3x3] se reemplazan por [una 1x1 conv, una 3x3 conv, y otra 1x1 conv capa]. Entiendo que las capas conv 1x1 se usan como una forma de …

21 residuals  deep-learning  conv-neural-network 

Wikipedia y la viñeta del paquete sándwich R brindan buena información sobre los supuestos que respaldan los errores estándar del coeficiente MCO y los antecedentes matemáticos de los estimadores sándwich. Sin embargo, todavía no estoy claro cómo se aborda el problema de la heteroscedasticidad residual, probablemente porque en primer lugar …

20 multiple-regression  residuals  heteroscedasticity  robust-standard-error 

En el contexto de la regresión OLS, entiendo que una gráfica residual (vs valores ajustados) se ve convencionalmente para probar la varianza constante y evaluar la especificación del modelo. ¿Por qué se trazan los residuos contra los ajustes, y no los valores ? ¿Cómo es la información diferente de estas …

20 regression  residuals 

Si bien estos dos términos ubicuos a menudo se usan como sinónimos, a veces parece haber una distinción. ¿Existe alguna diferencia o son exactamente sinónimos?

20 residuals  error  terminology 

Tengo un GLMM con una distribución binomial y una función de enlace logit y tengo la sensación de que un aspecto importante de los datos no está bien representado en el modelo. Para probar esto, me gustaría saber si los datos están bien descritos por una función lineal en la …

19 binomial  residuals  glmm  lme4-nlme