Preguntas etiquetadas con residuals

En un escenario de regresión LASSO donde y=Xβ+ϵy=Xβ+ϵy= X \beta + \epsilon , y las estimaciones de LASSO están dadas por el siguiente problema de optimización minβ||y−Xβ||+τ||β||1minβ||y−Xβ||+τ||β||1 \min_\beta ||y - X \beta|| + \tau||\beta||_1 ¿Hay supuestos de distribución con respecto al ?ϵϵ\epsilon En un escenario OLS, uno esperaría que los …

18 regression  lasso  assumptions  residuals 

Contexto Esta pregunta usa R, pero trata sobre cuestiones estadísticas generales. Estoy analizando los efectos de los factores de mortalidad (% de mortalidad por enfermedad y parasitismo) en la tasa de crecimiento de la población de polillas a lo largo del tiempo, donde se tomaron muestras de las poblaciones de …

17 model-selection  autocorrelation  residuals  panel-data  spatio-temporal 

Supongamos que una regresión lineal simple , los residuos y dibujamos un histograma de distribución de residuos. Si obtenemos algo que parece una distribución familiar, ¿podemos suponer que nuestro término de error tiene esta distribución? Digamos, si descubrimos que los residuos se asemejan a la distribución normal, ¿tiene sentido asumir …

17 r  regression  residuals 

Realmente no entiendo la heterocedasticidad. Me gustaría saber si mi modelo es apropiado o no de acuerdo con este argumento.

17 r  regression  residuals  heteroscedasticity  independence 

Sé que los Residuos de Pearson estandarizados se obtienen de una manera probabilística tradicional: ri=yi−πiπi(1−πi)−−−−−−−−√ri=yi−πiπi(1−πi) r_i = \frac{y_i-\pi_i}{\sqrt{\pi_i(1-\pi_i)}} y los residuos de desviación se obtienen de una manera más estadística (la contribución de cada punto a la probabilidad): di=si−2[yilogπi^+(1−yi)log(1−πi)]−−−−−−−−−−−−−−−−−−−−−−−−−−√di=si−2[yilog⁡πi^+(1−yi)log⁡(1−πi)] d_i = s_i \sqrt{-2[y_i \log \hat{\pi_i} + (1 - y_i)\log(1-\pi_i)]} donde …

16 regression  logistic  generalized-linear-model  residuals  deviance 

Una pregunta para principiantes sobre el residuo de Pearson en el contexto de la prueba de chi-cuadrado para la bondad de ajuste: Además de la estadística de prueba, la chisq.testfunción de R informa el residuo de Pearson: (obs - exp) / sqrt(exp) Entiendo por qué mirar la diferencia en bruto …

16 chi-squared  goodness-of-fit  residuals 

Esto es algo que veo hecho como una especie de método ad-hoc y me parece muy sospechoso, pero tal vez me estoy perdiendo algo. He visto esto en regresión múltiple, pero seamos simples: yyo= β0 0+ β1Xyo+ εyoyyo=β0 0+β1Xyo+εyo y_{i} = \beta_{0} + \beta_{1} x_{i} + \varepsilon_{i} Ahora tome los …

16 regression  residuals 

\newcommand{\E}{\mathbb{E}} ¿Cómo es la transformación normalizadora A ( ⋅ ) = ∫ d uV 1 / 3 ( μ )A(⋅)=∫duV1/3(μ)A(\cdot) = \displaystyle\int\frac{du}{V^{1/3}(\mu)} para la familia exponencial ¿derivado? Más específicamente : intenté seguir el boceto de expansión de Taylor en la página 3, diapositiva 1 aquí, pero tengo varias preguntas. Con …

15 data-transformation  residuals  asymptotics  exponential-family 

Estoy tratando de hacer una regresión en los datos heteroscedasticos donde trato de predecir las varianzas de error, así como los valores medios en términos de un modelo lineal. Algo como esto: y(x,t)ξ(x,t)y¯(x,t)σ(x,t)=y¯(x,t)+ξ(x,t),∼N(0,σ(x,t)),=y0+ax+bt,=σ0+cx+dt.y(x,t)=y¯(x,t)+ξ(x,t),ξ(x,t)∼N(0,σ(x,t)),y¯(x,t)=y0+ax+bt,σ(x,t)=σ0+cx+dt.\begin{align}\\ y\left(x,t\right) &= \bar{y}\left(x,t\right)+\xi\left(x,t\right),\\ \xi\left(x,t\right) &\sim N\left(0,\sigma\left(x,t\right)\right),\\ \bar{y}\left(x,t\right) &= y_{0}+ax+bt,\\ \sigma\left(x,t\right) &= \sigma_{0}+cx+dt. \end{align} En palabras, los datos …

15 regression  spss  variance  residuals  heteroscedasticity 

Tengo una serie de tiempo que intento pronosticar, para la cual he usado el modelo estacional ARIMA (0,0,0) (0,1,0) [12] (= fit2). Es diferente de lo que R sugirió con auto.arima (R calculado ARIMA (0,1,1) (0,1,0) [12] sería un mejor ajuste, lo llamé fit1). Sin embargo, en los últimos 12 …

15 r  time-series  statistical-significance  arima  residuals 

Estoy analizando un conjunto de datos utilizando un modelo de efectos mixtos con un efecto fijo (condición) y dos efectos aleatorios (participante debido al diseño del sujeto y al par). El modelo se ha generado con el lme4paquete: exp.model<-lmer(outcome~condition+(1|participant)+(1|pair),data=exp). A continuación, realicé una prueba de razón de probabilidad de este …

15 r  repeated-measures  multiple-comparisons  post-hoc  lsmeans  bayesian  posterior  marginal  integral  anova  time-series  regularization  machine-learning  pca  computational-statistics  references  inference  regression  cross-validation  python  random-forest  chi-squared  spearman-rho  r  machine-learning  confidence-interval  bagging  clustering  feature-selection  model-selection  bic  hypothesis-testing  kurtosis  r  regression  residuals  terminology 

Estoy tomando un curso sobre modelos de regresión y una de las propiedades proporcionadas para la regresión lineal es que los residuos siempre suman cero cuando se incluye una intersección. ¿Alguien puede dar una buena explicación de por qué este es el caso?

14 regression  residuals 

Un error estándar es la desviación estándar estimada de un estimador para un parámetro . θ θσ^( θ^)σ^(θ^)\hat \sigma(\hat\theta)θ^θ^\hat\thetaθθ\theta ¿Por qué la desviación estándar estimada de los residuos se denomina "error estándar residual" (por ejemplo, en la salida de la summary.lmfunción de R ) y no "desviación estándar residual"? ¿Qué …

14 r  standard-error  residuals  terminology 

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 

Pregunta bastante básica: ¿Qué significa una distribución normal de residuos de una regresión lineal? En términos de, ¿cómo se refleja esto en mis datos originales de la regresión? Estoy totalmente perplejo, gracias chicos

13 regression  residuals