Ein mathematischer Ausdruck w /> 1 Term, der dieselbe Variable enthält (z. B. x & x ^ 2). Polynome werden üblicherweise verwendet, um krummlinige Beziehungen zu modellieren.
Warum erhalte ich unterschiedliche Vorhersagen für die manuelle Polynomerweiterung und die Verwendung der R- polyFunktion? set.seed(0) x <- rnorm(10) y <- runif(10) plot(x,y,ylim=c(-0.5,1.5)) grid() # xp is a grid variable for ploting xp <- seq(-3,3,by=0.01) x_exp <- data.frame(f1=x,f2=x^2) fit <- lm(y~.-1,data=x_exp) xp_exp <- data.frame(f1=xp,f2=xp^2) yp <- predict(fit,xp_exp) lines(xp,yp) # using …
Ich möchte zwei verschiedene Zeitvariablen modellieren, von denen einige in meinen Daten stark kollinear sind (Alter + Kohorte = Periode). Dabei hatte ich einige Probleme mit lmerund und Interaktionen von poly(), aber es ist wahrscheinlich nicht darauf beschränkt lmer, dass ich mit nlmeIIRC die gleichen Ergebnisse erzielt habe. Offensichtlich fehlt …
Warum sollte man in einer genetischen Assoziationsstudie Alter und Altersquadrat als Kovariaten verwenden? Ich kann die Verwendung des Alters verstehen, wenn es als signifikante Kovariate identifiziert wurde, aber ich bin hinsichtlich der Verwendung des Alters im Quadrat ratlos.
Ich möchte den Term und sein Quadrat (Prädiktorvariablen) in eine Regression einbeziehen, da ich davon ausgehe, dass niedrige Werte von einen positiven Effekt auf die abhängige Variable und hohe Werte einen negativen Effekt haben. Das sollte den Effekt der höheren Werte erfassen. Ich erwarte daher, dass der Koeffizient von positiv …
Ich bin ein wenig verwirrt darüber, wann Sie einem multiplen linearen Regressionsmodell Polynomterme hinzufügen sollten oder nicht. Ich weiß, dass Polynome verwendet werden, um die Krümmung in den Daten zu erfassen, aber es scheint immer die Form zu haben: y=x1+x2+x21+x22+x1x2+cy=x1+x2+x12+x22+x1x2+cy = x_1 + x_2 + x_1^2 + x_2^2 + x_1x_2 …
Ich möchte berechnen P(Y=aX2+bX+c<0)P(Y=aX2+bX+c<0)P(Y=aX^2+bX+c<0) wobei . Ich kann es ganz einfach mit Monte Carlo machen. Ich wurde jedoch gebeten, das analytische PDF von und dann zu berechnenf Y ( y ) Y.X∼N(0,σ)X∼N(0,σ)X \sim N(0,\sigma)fY(y)fY(y)f_Y(y)YYY I=∫0−∞fY(y)dyI=∫−∞0fY(y)dyI=\int_{-\infty}^0 f_Y(y) dy Ich denke, wird so sein, dass nur numerisch berechnet werden kann. Da es …
Ich habe ein logistisches Regressionsmodell erstellt, das einen Polynomterm bis Grad 2 enthält. Mir ist bekannt, dass die logistische Regression die Antwortvariable als nichtlineare Funktion der Prädiktoren modelliert. Ist es sinnvoll, einen Polynombegriff in die logistische Regression einzubeziehen?
Das Folgende ist mein Verständnis dessen, was passiert: Wenn ich ein "zweidimensionales Problem" nehme, z. B. habe ich als Eingabe und Y als Ergebnis und füge ein Merkmal . Dies gibt einem Problem eine zusätzliche Dimension und die lineare Anpassung an die und Werte definiert eine Linie sowie die lineare …
Angenommen, sind iid Zufallsvariablen mit gleichmäßiger Verteilung auf . Ich interessiere mich für die erwarteten Wurzeln des Polynoms , die komplexe Zufallsvariablen sind, die durch und A,B,CA,B,CA,B,C[−1,1][−1,1][-1,1]Ax2+Bx+CAx2+Bx+CAx^2 + Bx + CZ1=−B+B2−4AC−−−−−−−−√2AZ1=−B+B2−4AC2AZ_1 = \frac{-B+\sqrt{B^2-4AC}}{2A}Z2=−B−B2−4AC−−−−−−−−√2A.Z2=−B−B2−4AC2A.Z_2 = \frac{-B-\sqrt{B^2-4AC}}{2A}. Bei Simulationen berechnete ich und E[Z1]≈0.3559+0.0005iE[Z1]≈0.3559+0.0005iE[Z_1] \approx 0.3559 + 0.0005iE[Z2]≈−0.6421−0.0005i.E[Z2]≈−0.6421−0.0005i.E[Z_2] \approx -0.6421 - 0.0005i. Um …
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.