Pour les sujets statistiques qui impliquent l'hypothèse de linéarité, par exemple, la régression linéaire ou les modèles linéaires mixtes, ou pour la discussion de l'algèbre linéaire appliquée aux statistiques.
Comment utiliser un modèle de régression si vous ne connaissez pas la fonction pour laquelle vous essayez d'obtenir les paramètres? J'ai vu une recherche qui disait que les mères qui allaitaient leurs enfants étaient moins susceptibles de souffrir de diabète plus tard dans la vie. La recherche a...
La PCA est considérée comme une procédure linéaire, toutefois: PCA(X)≠PCA(X1)+PCA(X2)+…+PCA(Xn),PCA(X)≠PCA(X1)+PCA(X2)+…+PCA(Xn),\mathrm{PCA}(X)\neq \mathrm{PCA}(X_1)+\mathrm{PCA}(X_2)+\ldots+\mathrm{PCA}(X_n), où . Cela revient à dire que les vecteurs propres obtenus par les PCA sur les matrices...
Je lis souvent qu'une fonction est «hautement non linéaire». À ma connaissance, il y a «linéaire» et «non linéaire», alors de quoi s'agit-il «fortement»? Y a-t-il une différence formelle par rapport au non linéaire? Comment est-il
J'ai une question sur la sémantique sur laquelle j'aimerais avoir l'avis de mes collègues statisticiens. Nous savons que des modèles tels que la logistique, Poisson, etc. tombent sous l'égide de modèles linéaires généralisés. Le modèle comprend des fonctions non linéaires des paramètres, qui...
Je recherche une étude de cas de régression linéaire avancée illustrant les étapes nécessaires pour modéliser des relations non linéaires complexes et multiples à l'aide de GLM ou OLS. Il est étonnamment difficile de trouver des ressources allant au-delà des exemples d'école de base: la plupart des...
Quelqu'un peut-il fournir une liste claire des différences entre la régression log-linéaire et la régression logistique? Je comprends que le premier est un modèle de régression linéaire simple, mais je ne sais pas quand chacun doit être
Le moignon de décision est un arbre de décision avec une seule division. Il peut également être écrit comme une fonction par morceaux. Par exemple, supposons que xxx est un vecteur, et x1x1x_1 est le premier composant de , dans le cadre de la régression, un moignon de décision peut êtrexxx...
J'essaie de comprendre la signification mathématique des modèles de classification non linéaires: Je viens de lire un article sur le fait que les réseaux de neurones sont un modèle de classification non linéaire. Mais je réalise juste que: La première couche:
Penser à utiliser des réseaux de neurones récurrents pour la prévision de séries chronologiques. Ils implémentent essentiellement une sorte d'auto-régression non linéaire généralisée, par rapport aux modèles ARMA et ARIMA qui utilisent l'auto-régression linéaire. Si nous effectuons une...
J'utilise la régression linéaire multiple pour décrire les relations entre Y et X1, X2. D'après la théorie, j'ai compris que la régression multiple suppose des relations linéaires entre Y et chacun de X (Y et X1, Y et X2). Je n'utilise aucune transformation de X. J'ai donc obtenu le modèle avec R =...
Ma question est très simple: pourquoi nous choisissons la distribution normale comme terme d'erreur dans l'hypothèse d'une régression linéaire? Pourquoi nous n'en choisissons pas d'autres comme l'uniforme, le t ou
J'expérimente l'algorithme de la machine de renforcement de gradient via le caretpackage en R. À l'aide d'un petit ensemble de données d'admission à l'université, j'ai exécuté le code suivant: library(caret) ### Load admissions dataset. ### mydata <-
Pour un modèle linéaire, la solution OLS fournit le meilleur estimateur linéaire sans biais pour les paramètres. Bien sûr, nous pouvons échanger un biais pour une variance plus faible, par exemple la régression des crêtes. Mais ma question concerne l'absence de parti pris. Existe-t-il d'autres...
Pourquoi la régression linéaire et le modèle généralisé ont des hypothèses incohérentes? Dans la régression linéaire, nous supposons que le résiduel vient de la forme gaussienne Dans d'autres régressions (régression logistique, régression empoisonnée), nous supposons que la réponse provient d'une...
Je suis vraiment confus quant à la différence de sens concernant le contexte de régression linéaire des termes suivants: Statistique F R au carré Erreur standard résiduelle J'ai trouvé cette webstie qui m'a donné un bon aperçu des différents termes impliqués dans la régression linéaire, mais les...
Je comprends que cela signifie que le modèle est mauvais pour prédire des points de données individuels, mais a établi une tendance ferme (par exemple, y augmente lorsque x
Quelqu'un peut-il me dire comment R peut estimer le point de rupture dans un modèle linéaire par morceaux (en tant que paramètre fixe ou aléatoire), alors que j'ai également besoin d'estimer d'autres effets aléatoires? J'ai inclus un exemple de jouet ci-dessous qui correspond à une régression de...
La question est simple: est-il approprié d'utiliser une régression linéaire lorsque Y est borné et discret (par exemple, le score du test 1 ~ 100, certains classements prédéfinis 1 ~ 17)? Dans ce cas, est-il «pas bon» d'utiliser la régression linéaire ou est-ce totalement faux de...
Disons que nous avons les points de données d'entrée (prédicteur) et de sortie (réponse) A, B, C, D, E et que nous voulons ajuster une ligne à travers les points. Il s'agit d'un problème simple pour illustrer la question, mais il peut également être étendu à des dimensions plus élevées. Énoncé du...
J'ai lu quelques explications sur les propriétés des modèles linéaires par rapport aux modèles non linéaires, mais je ne sais toujours pas si un modèle disponible est linéaire ou non linéaire. Par exemple, le modèle suivant est-il linéaire ou non linéaire? yt= β0+ β1B ( L ; θ ) Xt+...