Содержание
- 2. Может быть так, что зависимость между переменными нелинейная. Тогда применяем нелинейную регрессию
- 3. Бинарная логистическая регрессия позволяет исследовать зависимость дихотомических зависимых переменных от независимых переменных, имеющих любой вид шкалы
- 4. Бинарная логистическая регрессия от дискриминантного анализа отличается тем, что связь между зависимой и независимыми переменными нелинейная
- 5. Логистическая регрессия Мы говорим о некотором событии, которое может произойти или не произойти. В этом случае
- 6. Математическая модель где z=b1x1+b2x2+ …+bnxn+ b0 p – вероятность наступления события, x – независимые переменные Если
- 7. Математическая модель где z=b1x1+b2x2+ …+bnxn+b0 Наша задача, как всегда, - оценить коэффициенты bi
- 8. Математическая модель Зависимость, связывающая вероятность события и величину Z, показана на следующей диаграмме: Эта зависимость носит
- 9. Математическая модель
- 10. Логистическая регрессия Находится в модуле Nonlinear Estimation
- 11. Логистическая регрессия Вот она!
- 12. Логистическая регрессия Как обычно, надо выбрать переменные
- 13. Пример Рассмотрим пример из медицины (Breast cancer survival.sta) Оценим шанс на выживание пациентов разного возраста с
- 14. Пример Age – Age (years) Pathsize - Pathologic Tumor Size (cm) Lnpos - Positive Axillary Lymph
- 15. Результаты
- 16. Результаты Оценка качества модели
- 17. Качество модели Качество приближения регрессионной модели оценивается при помощи функции подобия. Мерой правдоподобия служит отрицательное удвоение
- 18. Качество модели Затем в модель добавляют переменные согласно выбранному методу и вычисляют разность (улучшение качества модели).
- 19. Качество модели Хи-квадрат
- 20. Результаты Коэффициенты b
- 21. Регрессионные коэффициенты
- 22. Результаты Эмпирические, предсказанные значения и остатки
- 23. Результаты
- 24. Результаты Матрица классификации
- 25. Результаты
- 26. Результаты Распределение остатков
- 27. Результаты
- 28. Результаты Знакомые нам графики оценки
- 29. А если у меня такая зависимость, какую я сам придумал ?!
- 30. Оценка на экзамене и мотивация так прямо не связаны …
- 31. Тогда применяем нелинейную регрессию, а зависимость может быть задана самим пользователем
- 32. Пример. Рост населения в США с 1790 по 1960 гг по декадам: Видно, что зависимость тут
- 33. Очевидно, что нашей задачей является определение трех коэффициентов - a, b и c.
- 34. Для построения уравнений нелинейной регрессии служит модуль Nonlinear Estimation
- 35. Для построения уравнений нелинейной регрессии служит модуль Nonlinear Estimation Тут набираем формулу, которая, по нашему мнению,
- 36. Начальные значения для параметров Маленькие (?) хитрости
- 37. Маленькие (?) хитрости
- 38. Получаем результаты!
- 39. Оценка параметров
- 40. Теперь, подставив коэффициенты в исходную формулу мы можем оценить население США в будущем - через 19,
- 41. Оценка модели Процент объясненной дисперсии
- 42. Оценка модели Остатки
- 43. Оценка модели Эмпирические, предсказанные значения и остатки
- 44. Оценка модели Гистограмма распределения остатков
- 45. Оценка модели Распределение должно быть как можно ближе к нормальному
- 46. Оценка модели Гистограмма распределения остатков Тоже знакомые нам графики
- 47. Оценка модели Эти значения должны лежать вдоль одной прямой
- 48. Оценка модели График эмпирических значений и функции, описывающей модель
- 49. Оценка модели
- 51. Скачать презентацию