Para tópicos estatísticos que envolvem a suposição de linearidade, por exemplo, regressão linear ou modelos lineares mistos, ou para a discussão de álgebra linear aplicada à estatística.
Como um modelo de regressão pode ser útil se você não conhece a função para a qual está tentando obter os parâmetros? Vi uma pesquisa que dizia que as mães que amamentavam seus filhos eram menos propensas a sofrer de diabetes mais tarde na vida. A pesquisa foi realizada a partir de uma pesquisa...
O PCA é considerado um procedimento linear, no entanto: P C A (X) ≠ P C A ( X1 1) + P C A ( X2) + … + P C A ( 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), onde . Isto quer dizer que os autovetores obtidos pelos PCAs nas...
Costumo ler sobre uma função ser 'altamente não linear'. No meu entendimento, há "linear" e "não linear", então o que é isso 'altamente'? Existe uma diferença formal de não linear? Como é
Eu tenho uma pergunta sobre semântica na qual gostaria que as opiniões de colegas estatísticos. Sabemos que modelos como logística, Poisson etc. se enquadram nos modelos lineares generalizados. O modelo inclui funções não lineares dos parâmetros, que por sua vez podem ser modelados usando a...
Estou procurando um estudo de caso de regressão linear avançada que ilustra as etapas necessárias para modelar relacionamentos não lineares complexos e múltiplos usando GLM ou OLS. É surpreendentemente difícil encontrar recursos que vão além dos exemplos básicos da escola: a maioria dos livros que...
Alguém pode fornecer uma lista clara de diferenças entre regressão log-linear e regressão logística? Entendo que o primeiro é um modelo de regressão linear simples, mas não estou claro quando cada um deve ser
O stump de decisão é uma árvore de decisão com apenas uma divisão. Também pode ser escrito como uma função por partes. Por exemplo, suponha que é um vetor e é o primeiro componente de , na configuração de regressão, algum coto de decisão pode serx 1
Estou tentando entender o significado matemático dos modelos de classificação não linear: Acabei de ler um artigo falando sobre redes neurais sendo um modelo de classificação não linear. Mas eu apenas percebo que: A primeira camada: h1= x1∗ wx 1 h 1+ x2∗ wx 1 h
Pensando em usar redes neurais recorrentes para previsão de séries temporais. Eles basicamente implementam uma espécie de auto-regressão não linear generalizada, em comparação com os modelos ARMA e ARIMA que usam a auto-regressão linear. Se estamos realizando a auto-regressão não linear, ainda é...
Estou usando regressão linear múltipla para descrever as relações entre Y e X1, X2. Pela teoria, entendi que a regressão múltipla assume relações lineares entre Y e cada um de X (Y e X1, Y e X2). Não estou usando nenhuma transformação do X. Então, eu peguei o modelo com R = 0,45 e todos os X...
Estou experimentando o algoritmo da máquina de aumento de gradiente através do caretpacote em R. Usando um pequeno conjunto de dados de admissões de faculdade, executei o seguinte código: library(caret) ### Load admissions dataset. ### mydata <-
Para um modelo linear, a solução OLS fornece o melhor estimador linear e imparcial para os parâmetros. É claro que podemos negociar um viés por uma variação menor, por exemplo, regressão de crista. Mas minha pergunta é sobre não ter viés. Existem outros estimadores que são um tanto usados, que...
Por que a regressão linear e o Modelo Generalizado têm suposições inconsistentes? Na regressão linear, assumimos que vem residual de Gauss Em outra regressão (regressão logística, regressão venenosa), assumimos que a resposta vem de alguma distribuição (binomial, poissão etc.). Por que, às...
Estou realmente confuso sobre a diferença de significado em relação ao contexto de regressão linear dos seguintes termos: Estatística F R ao quadrado Erro padrão residual Eu encontrei esse webstie que me deu uma grande visão dos diferentes termos envolvidos na regressão linear, no entanto, os...
Alguém pode me dizer como R estimar o ponto de interrupção em um modelo linear por partes (como um parâmetro fixo ou aleatório), quando eu também precisar estimar outros efeitos aleatórios? Incluí um exemplo de brinquedo abaixo que se encaixa em uma regressão de taco de hóquei / taco quebrado com...
Entendo que isso significa que o modelo é ruim em prever pontos de dados individuais, mas estabeleceu uma tendência firme (por exemplo, y sobe quando x
Minha pergunta é muito simples: por que escolhemos normal como a distribuição que o termo de erro segue na suposição de regressão linear? Por que não escolhemos outros como uniforme, t ou o que
Digamos que temos os pontos de dados de entrada (preditor) e de saída (resposta) A, B, C, D, E e queremos ajustar uma linha através dos pontos. Este é um problema simples para ilustrar a pergunta, mas também pode ser estendido para dimensões superiores. Declaração do Problema O melhor ajuste ou...
A pergunta é direta: é apropriado usar a regressão linear quando Y é limitado e discreto (por exemplo, a pontuação do teste 1 ~ 100, algum ranking predefinido 1 ~ 17)? Nesse caso, "não é bom" usar regressão linear ou é totalmente errado
Eu li algumas explicações sobre as propriedades de modelos lineares versus não lineares, mas ainda não tenho certeza se um modelo disponível é linear ou não linear. Por exemplo, o seguinte modelo é linear ou não linear? yt=β0+β1B(L;θ)Xt+εtyt=β0+β1B(L;θ)Xt+εty_t=\beta_0 +...