Perguntas com a marcação «generalized-linear-model»

Uma generalização da regressão linear que permite relacionamentos não lineares por meio de uma "função de link" e a variação da resposta depende do valor previsto. (Não deve ser confundido com o "modelo linear geral", que estende o modelo linear comum à estrutura geral de covariância e resposta multivariada.)



3
GLM com dados contínuos empilhados em zero
Estou tentando executar um modelo para estimar quão bem as doenças catastróficas, como tuberculose, AIDS etc afetam os gastos com hospitalização. Eu tenho "por custo de hospitalização" como variável dependente e vários marcadores individuais como variáveis ​​independentes, quase todos fictícios, como sexo, chefe de família, status de pobreza e, é …



2
Análise de enriquecimento por nível de duplicação de genes
Antecedentes Biológicos Com o tempo, algumas espécies de plantas tendem a duplicar todo o seu genoma, ganhando uma cópia adicional de cada gene. Devido à instabilidade dessa configuração, muitos desses genes são excluídos e o genoma se rearranja e se estabiliza, pronto para duplicar novamente. Esses eventos de duplicação estão …


2
Parâmetro de dispersão na saída GLM
Corri um glm em R, e perto da parte inferior da summary()saída, afirma (Dispersion parameter for gaussian family taken to be 28.35031) Fiz algumas pesquisas no Google e aprendi que o parâmetro de dispersão é usado para ajustar os erros padrão. Espero que alguém possa fornecer mais detalhes sobre qual …



1
R / mgcv: Por que os produtos tensores te () e ti () produzem superfícies diferentes?
O mgcvpacote para Rpossui duas funções para ajustar as interações do produto tensorial: te()e ti(). Entendo a divisão básica do trabalho entre os dois (ajustando uma interação não linear versus decompondo essa interação em efeitos principais e uma interação). O que não entendo é o porquê te(x1, x2)e ti(x1) + …
11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 





Ao utilizar nosso site, você reconhece que leu e compreendeu nossa Política de Cookies e nossa Política de Privacidade.
Licensed under cc by-sa 3.0 with attribution required.