Meine Situation ist: Ich habe 1 kontinuierliche abhängige und 1 kontinuierliche Prädiktorvariable, die ich logarithmisch transformiert habe, um ihre Residuen für eine einfache lineare Regression zu normalisieren. Ich würde mich über jede Hilfe freuen, wie ich diese transformierten Variablen mit ihrem ursprünglichen Kontext in Beziehung setzen kann. Ich möchte eine …
Ich verwende das Quantreg- Paket, um ein Regressionsmodell mit dem 99. Perzentil meiner Werte in einem Datensatz zu erstellen. Basierend auf den Ratschlägen einer früheren Stackoverflow- Frage, die ich gestellt habe, habe ich die folgende Codestruktur verwendet. mod <- rq(y ~ log(x), data=df, tau=.99) pDF <- data.frame(x = seq(1,10000, length=1000) …
Angenommen, ist angegeben. Kann ich in einem geschlossenen Formularformat ableiten ? E [ X ]E [ log( X.) ]E[log(X)]\text{E}[\log(X)] E [ X.]]E[X]\text{E}[X]
Ich weiß, dass ich es in beide Richtungen gesehen habe. Gibt es also einen Unterschied zwischen den beiden und auf welchen wird häufiger Bezug genommen?
Gibt es ein allgemeines Prinzip, ob die Pearson-Korrelation für zwei Zufallsvariablen X und Y vor oder nach ihrer Log-Transformation berechnet werden sollte? Gibt es ein geeigneteres Testverfahren? Sie ergeben ähnliche, aber unterschiedliche Werte, da die logarithmische Transformation nicht linear ist. Kommt es darauf an, ob X oder Y nach dem …
Dies ist ein Crosspost von Math SE . Ich habe einige Daten (Laufzeit eines Algorithmus) und ich denke, dass sie einem Potenzgesetz folgen yr e g= k xeinyreg=kxay_\mathrm{reg} = k x^a Ich möchte und bestimmen . Was ich bisher getan habe, ist eine lineare Regression (kleinste Quadrate) durch und und …
Wird die Protokolltransformation immer die Heteroskedastizität verringern? Weil das Lehrbuch besagt, dass die Protokolltransformation häufig die Heteroskedastizität verringert. Ich möchte also wissen, in welchen Fällen die Heteroskedastizität nicht verringert wird.
Ich sehe oft Leute (Statistiker und Praktiker), die Variablen ohne einen zweiten Gedanken transformieren. Ich hatte immer Angst vor Transformationen, weil ich befürchte, dass sie die Fehlerverteilung ändern und somit zu ungültigen Schlussfolgerungen führen könnten, aber es ist so häufig, dass ich etwas falsch verstehen muss. Angenommen, ich habe ein …
Ich verwende ein negatives Binomialmodell und eine meiner Prädiktorvariablen ist eine Zählvariable. Da diese Variable stark verzerrt war, habe ich beschlossen, sie logarithmisch zu transformieren. Es wird jedoch angenommen, dass der Effekt dieser Variablen nicht linear ist. Sobald ich jedoch den quadratischen Term in mein Modell einbeziehe, erhalte ich VIFs …
Verhältnisse (z. B. = / ) werden häufig verwendet (z. B. Faltungsänderungen der mRNA- oder Proteinexpression, des Body-Mass-Index [BMI] usw.). Viele Leute raten, Variablen, die als Verhältnisse codiert sind (z. B. Fold-Change), logarithmisch zu transformieren, da sie stark nach rechts geneigt sind. Verhältnisse ( / ) sind jedoch relative Änderungen …
We use cookies and other tracking technologies to improve your browsing experience on our website,
to show you personalized content and targeted ads, to analyze our website traffic,
and to understand where our visitors are coming from.
By continuing, you consent to our use of cookies and other tracking technologies and
affirm you're at least 16 years old or have consent from a parent or guardian.