Preguntas etiquetadas con residuals

Esta pregunta surge de mi confusión real sobre cómo decidir si un modelo logístico es lo suficientemente bueno. Tengo modelos que usan el estado de pares proyecto individual dos años después de que se forman como una variable dependiente. El resultado es exitoso (1) o no (0). Tengo variables independientes …

13 r  logistic  goodness-of-fit  residuals 

He estado discutiendo con varios miembros del laboratorio sobre este, y hemos recurrido a varias fuentes, pero aún no tenemos la respuesta: Cuando decimos que un GLM tiene una familia de poisson , digamos, ¿estamos hablando de la distribución de los residuos o la variable de respuesta? Puntos de contención …

13 generalized-linear-model  residuals  assumptions 

He estado usando el ajuste del modelo caret, pero luego volví a ejecutar el modelo usando el gbmpaquete. Entiendo que el caretpaquete usa gbmy el resultado debe ser el mismo. Sin embargo, solo una ejecución de prueba rápida usando data(iris)muestra una discrepancia en el modelo de aproximadamente 5% usando RMSE …

13 r  caret  gbm  matrix  linear-algebra  logistic  modeling  logit  ordered-logit  r  confidence-interval  survival  population  weibull  classification  separation  hypothesis-testing  correlation  statistical-significance  p-value  python  r  data-visualization  r  regression  multiple-regression  chi-squared  multivariate-analysis  distributions  random-variable  experiment-design  distributions  poisson-regression  residuals  excel  time-series  garch  var  survival  modeling  cox-model  interaction  r  pca  normality-assumption 

Al modelar series de tiempo, uno tiene la posibilidad de (1) modelar la estructura correlacional de los términos de error como, por ejemplo, un proceso AR (1) (2) incluye la variable dependiente rezagada como una variable explicativa (en el lado derecho) Entiendo que a veces hay razones sustanciales para elegir …

13 time-series  autocorrelation  residuals  lags 

Aquí se discute la interpretación errónea del supuesto de normalidad en la regresión lineal (que la "normalidad" se refiere a X y / o Y en lugar de los residuos), y el póster pregunta si es posible tener X e Y no distribuidos normalmente y todavía tienen residuos distribuidos normalmente. …

12 regression  normal-distribution  data-transformation  residuals  assumptions 

Tengo un conjunto de datos muy grande y faltan alrededor del 5% de valores aleatorios. Estas variables están correlacionadas entre sí. El siguiente conjunto de datos R de ejemplo es solo un ejemplo de juguete con datos correlacionados ficticios. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace …

12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf 

¿Por qué es necesario colocar el supuesto de distribución en los errores, es decir? yyo= Xβ+ ϵyoyi=Xβ+ϵiy_i = X\beta + \epsilon_{i} , con .ϵyo∼ N( 0 , σ2)ϵi∼N(0,σ2)\epsilon_{i} \sim \mathcal{N}(0,\sigma^{2}) Porque no escribir yyo= Xβ+ ϵyoyi=Xβ+ϵiy_i = X\beta + \epsilon_{i} , con ,yyo∼ N( Xβ^, σ2)yi∼N(Xβ^,σ2)y_i \sim \mathcal{N}(X\hat{\beta},\sigma^{2}) donde en …

12 regression  normal-distribution  residuals  assumptions  notation 

Soy un estudiante de doctorado en psicología experimental y me esfuerzo por mejorar mis habilidades y conocimientos sobre cómo analizar mis datos. Hasta mi quinto año en psicología, pensé que los modelos de regresión (por ejemplo, ANOVA) suponen lo siguiente: normalidad de los datos homogeneidad de varianza para los datos, …

12 regression  dataset  residuals  assumptions 

Estoy realizando un modelo lineal generalizado, donde tengo que especificar una familia diferente de la normal. ¿Cuál es la distribución esperada de los residuos? Por ejemplo, ¿deberían distribuirse los residuos normalmente?

12 generalized-linear-model  residuals  normality-assumption 

Esta pregunta es algo general y de largo aliento, pero por favor tengan paciencia conmigo. En mi aplicación, tengo muchos conjuntos de datos, cada uno con ~ 20,000 puntos de datos con ~ 50 características y una sola variable binaria dependiente. Estoy intentando modelar los conjuntos de datos usando regresión …

12 logistic  residuals 

Quería entender mejor la prueba exacta del pescador, así que ideé el siguiente ejemplo de juguete, donde f y m corresponde a machos y hembras, y n e y corresponden a "consumo de refrescos" de esta manera: > soda_gender f m n 0 5 y 5 0 Obviamente, esta es …

12 fishers-exact  hypergeometric  clustering  supervised-learning  modeling  econometrics  r  regression  residuals  heteroscedasticity  independence  distributions  self-study  matlab  libsvm  self-study  conditional-probability  conditional-expectation  hypothesis-testing  self-study  multiple-comparisons  mode  statistical-significance  chi-squared  multiple-comparisons  maximum-likelihood  poisson-process  optimization  uncertainty  genetic-algorithms  bayesian  model-selection  overfitting  maximum-likelihood  optimization  approximation  r  prediction  model-evaluation  r  machine-learning  survival  neural-networks  cox-model  machine-learning  bayesian  bayesian-network  hierarchical-bayesian  pooling 

Tengo una regresión lineal que es bastante buena, supongo (es para un proyecto universitario, así que realmente no tengo que ser súper precisa). El punto es que si trazo los residuos frente a los valores pronosticados, hay (según mi maestro) un indicio de heterocedasticidad. Pero si trazo el QQ-Plot de …

12 regression  normal-distribution  residuals  heteroscedasticity 

Cuando hace una regresión OLS y traza los residuos resultantes, ¿cómo puede saber si los residuos están autocorrelacionados? Sé que hay pruebas para esto (Durbin, Breusch-Godfrey), pero me preguntaba si puede mirar un diagrama para evaluar si la autocorrelación podría ser un problema (porque para la heterocedasticidad es bastante fácil …

12 regression  autocorrelation  residuals 

Estoy tratando de estimar una regresión lineal múltiple en R con una ecuación como esta: regr <- lm(rate ~ constant + askings + questions + 0) las preguntas y preguntas son series temporales de datos trimestrales, construidas con askings <- ts(...). El problema ahora es que obtuve residuos autocorrelacionados. Sé …

11 r  time-series  multiple-regression  autocorrelation  residuals 

Este es un diagrama de mosaico del conjunto de datos de la tabla de contingencia HairEyeColordescrito aquí . ¿Cómo interpreto los colores que representan los residuos? ¿Cuál es la diferencia entre los residuos de Pearson altos y positivos (que se muestran en azul) y los bajos y negativos que se …

11 data-visualization  chi-squared  residuals  contingency-tables