📚 Hub Books: Онлайн-чтение книгДомашняяИскусство статистики. Как находить ответы в данных - Дэвид Шпигельхалтер

Искусство статистики. Как находить ответы в данных - Дэвид Шпигельхалтер

Шрифт:

-
+

Интервал:

-
+
1 ... 79 80 81 82 83 84 85 86 87 88
Перейти на страницу:

матрица ошибок: таблица, где собраны верные и неверные классификации, произведенные каким-либо алгоритмом;

машинное обучение: процедуры извлечения алгоритмов (например, для классификации, прогнозирования или кластеризации) из сложных данных;

медиана (выборки): значение, которое окажется посередине, если упорядочить числа в выборке. Более строго: упорядочив числа в выборке, обозначим наименьшее число x(1), второе по величине x(2) и так далее (получившийся набор x(1),x(2),…,x(n) называют вариационным рядом). Если n – нечетное число, то медиана – число, находящееся точно посередине вариационного ряда, то есть числоИскусство статистики. Как находить ответы в данных. Если же n – четное число, то медианой обычно считают полусумму двух средних чисел;

метаанализ: формальный статистический метод объединения результатов нескольких исследований;

метод наименьших квадратов: предположим, что у нас есть n пар чисел (x1,y1),(x2,y2),Искусство статистики. Как находить ответы в данных,sx – выборочное среднее и среднеквадратичное отклонение для чисел x иИскусство статистики. Как находить ответы в данныхsy – выборочное среднее и среднеквадратичное отклонение для чисел y. Тогда прямая регрессии, вычисленная по методу наименьших квадратов, определяется уравнением

Искусство статистики. Как находить ответы в данных

где

Искусство статистики. Как находить ответы в данных – прогнозируемое значение зависимой переменной для определенного значения независимой переменной x;

коэффициент наклонаИскусство статистики. Как находить ответы в данных;

отсекаемый отрезокИскусство статистики. Как находить ответы в данных. Прямая по методу наименьших квадратов проходит через центр тяжестиИскусство статистики. Как находить ответы в данных;

i-й остаток – разность между i-м наблюдением и его предсказанным значениемИскусство статистики. Как находить ответы в данных;

скорректированное значение i-го наблюдения – это сумма остатка и отсекаемого отрезка, то естьИскусство статистики. Как находить ответы в данных. Это значение мы наблюдали бы в «среднем» случае, если бы имелиИскусство статистики. Как находить ответы в данных а не x = xi;

остаточная сумма квадратов – это сумма квадратов всех остатков, то естьИскусство статистики. Как находить ответы в данных. Прямая, построенная по методу наименьших квадратов, определяется как прямая, минимизирующая сумму квадратов разностей;

коэффициент наклона b1 и коэффициент корреляция Пирсона r связаны формулой b1 = rsy / sx. Поэтому в случае, когда стандартные отклонения для x и y одинаковы, коэффициент угла наклона в точности равен коэффициенту корреляции;

множественная линейная регрессия: предположим, что для каждого отклика yi есть набор из p предикторных переменных (xi1,xi2,…,xip). Тогда множественная линейная регрессия по методу наименьших квадратов определяется уравнением

Искусство статистики. Как находить ответы в данных

где коэффициенты b0,b1,…,bp выбираются так, чтобы минимизировать сумму остатковИскусство статистики. Как находить ответы в данных. Отсекаемый отрезок b0 – это просто среднееИскусство статистики. Как находить ответы в данных, а формулы остальных коэффициентов сложны, но легко вычисляются. Обратите внимание, чтоИскусство статистики. Как находить ответы в данных является спрогнозированным значением наблюдения y, если предикторные переменные были среднимиИскусство статистики. Как находить ответы в данных, и, как в случае линейной регрессии, скорректированные определяются суммой остатка и отсекаемого отрезка, илиИскусство статистики. Как находить ответы в данных;

многоуровневая регрессия и постстратификация (MRP): современный способ создания выборки, при котором из многих областей берутся достаточно небольшие количества респондентов с похожими характеристиками. Затем строится регрессионная модель для откликов в соответствии с демографическими факторами, что допускает дополнительный разброс между областями. Знание демографии для всех областей позволяет делать прогнозы на местном и национальном уровне с соответствующей неопределенностью;

1 ... 79 80 81 82 83 84 85 86 87 88
Перейти на страницу:

Комментарии

Обратите внимание, что комментарий должен быть не короче 20 символов. Покажите уважение к себе и другим пользователям!

Никто еще не прокомментировал. Хотите быть первым, кто выскажется?