2013年8月10~11日にかけて北大函館キャンパス内で行われた統計勉強会の投影資料です。 2日目 2-4.devianceと尤度比検定 正規分布以外の確率分布では残差の考え方が変わってきます。そこでdevianceという概念を導入したうえで、GLMにおいて分散分析を実行する方法を解説します。 サイト作ってます http://logics-of-blue.com/
非線形回帰分析の関数 nls( ) と非線形曲線の関数 nls=Nonlinear Least Squaresの略 nls( 非線形モデル式, データフレーム名, start=初期値のリスト, control, algorithm, trace, subset, weights, na.action, model, lower, upper, ...) 非線形回帰分析は単回帰分析と同じく,2変数の散布の曲線モデル Y = f( X ) の係数を推定する. Y に目的変数の測定値(データ)を与え,X に説明変数の測定値(データ) を与えたときに,2変数の差を最小とする最小二乗法で係数 a と b,c,・・・を推定する. ただしY = f( X ) の関数が線形ではないモデル式を使用する. [非線形回帰分析のための関数リスト] 累乗モデル Y= a Xb [Y ~ a * X ^
非線形回帰分析とは。。。 線形回帰分析以外のことらしいw。 まぁそこは深く突っ込む気はないので、その程度に捉えておく。 さて、いきなりケーススタディ。 ◎ロジスティック回帰 カラーテレビの普及率のデータを打ち込む。 > 年度<-c(1966:1984) > 普及率<-c(0.003,0.016,0.054,0.139,0.263,0.423,0.611,0.758,0.859,0.903,0.937,0.954,0.978,0.978, 0.982,0.985,0.989,0.988,0.992) 可視化する。 > plot(年度,普及率) 横軸の区間[1966,1984]全体を見ると線形ではない関数に見えるので、非線形回帰分析を行ってみる。 経験的に、普及率や成長率のデータはこのような非線形曲線が多く、ロジスティック関数にあてはまるらしい。「ふーん」と思いながら深く考えずに、とりあえず指
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く