Запитання з тегом «logarithm»

Логарифм числа - це сила, до якої потрібно підняти базу, щоб отримати число.

2
Коли (і навіщо) слід взяти журнал розподілу (чисел)?
Скажімо, у мене є деякі історичні дані, наприклад, минулі ціни на акції, коливання цін на авіаквитки, минулі фінансові дані компанії ... Тепер хтось (або якась формула) підійде і каже "давайте візьмемо / скористаємося журналом розподілу", і ось де я йду ЧОМУ ? Запитання: ЧОМУ слід брати в першу чергу журнал …

8
Коли в лінійній регресії доцільно використовувати журнал незалежної змінної замість фактичних значень?
Я шукаю кращого розподілу для незалежної змінної, про яку йдеться, або для зменшення ефекту людей, що переживають люди, або чогось іншого?

3
Інтерпретація прогнозованого прогнозу та / або відповіді перетвореного журналом
Мені цікаво, чи має значення інтерпретація, чи трансформуються лише залежні, і залежні, і незалежні, або лише незалежні змінні. Розглянемо випадок log(DV) = Intercept + B1*IV + Error Я можу трактувати ІV як збільшення відсотка, але як це змінюється, коли я маю log(DV) = Intercept + B1*log(IV) + Error або коли …
46 regression  data-transformation  interpretation  regression-coefficients  logarithm  r  dataset  stata  hypothesis-testing  contingency-tables  hypothesis-testing  statistical-significance  standard-deviation  unbiased-estimator  t-distribution  r  functional-data-analysis  maximum-likelihood  bootstrap  regression  change-point  regression  sas  hypothesis-testing  bayesian  randomness  predictive-models  nonparametric  terminology  parametric  correlation  effect-size  loess  mean  pdf  quantile-function  bioinformatics  regression  terminology  r-squared  pdf  maximum  multivariate-analysis  references  data-visualization  r  pca  r  mixed-model  lme4-nlme  distributions  probability  bayesian  prior  anova  chi-squared  binomial  generalized-linear-model  anova  repeated-measures  t-test  post-hoc  clustering  variance  probability  hypothesis-testing  references  binomial  profile-likelihood  self-study  excel  data-transformation  skewness  distributions  statistical-significance  econometrics  spatial  r  regression  anova  spss  linear-model 

4
Чому так зміни природного журналу - це відсоткові зміни? Що з журналів, що робить це таким?
Чи може хтось пояснити, яким чином властивості журналів роблять це, щоб ви могли робити лінійні регресії журналу, де коефіцієнти інтерпретуються як відсоткові зміни?

6
Які альтернативи зламаним осям?
Користувачі часто спокушаються розбити значення осі, щоб представити дані різних порядків на одному графіку (див. Тут ). Хоча це може бути зручно, це не завжди кращий спосіб відображення даних (може бути в омані в кращому випадку). Які альтернативні способи відображення даних, які відрізняються за кількома порядками? Я можу придумати два …

1
Очікуване значення та дисперсія журналу (a)
У мене є випадкова величина де a нормально розподілений . Що я можу сказати про та ? Наближення також буде корисним.N ( μ , σ 2 ) E ( X ) V a r ( X )Х( a ) = журнал( а )X(a)=log⁡(a)X(a) = \log(a)N( μ , σ2)N(μ,σ2)\mathcal N(\mu,\sigma^2)Е( X)E(X)E(X)Va …

4
Які правильні значення для точності та відкликання у кращих випадках?
Точність визначається як: p = true positives / (true positives + false positives) Чи правильно, що як true positivesі false positivesпідхід 0, точність наближається до 1? Те саме запитання для відкликання: r = true positives / (true positives + false negatives) Зараз я впроваджую статистичний тест, де мені потрібно обчислити …
20 precision-recall  data-visualization  logarithm  references  r  networks  data-visualization  standard-deviation  probability  binomial  negative-binomial  r  categorical-data  aggregation  plyr  survival  python  regression  r  t-test  bayesian  logistic  data-transformation  confidence-interval  t-test  interpretation  distributions  data-visualization  pca  genetics  r  finance  maximum  probability  standard-deviation  probability  r  information-theory  references  computational-statistics  computing  references  engineering-statistics  t-test  hypothesis-testing  independence  definition  r  censoring  negative-binomial  poisson-distribution  variance  mixed-model  correlation  intraclass-correlation  aggregation  interpretation  effect-size  hypothesis-testing  goodness-of-fit  normality-assumption  small-sample  distributions  regression  normality-assumption  t-test  anova  confidence-interval  z-statistic  finance  hypothesis-testing  mean  model-selection  information-geometry  bayesian  frequentist  terminology  type-i-and-ii-errors  cross-validation  smoothing  splines  data-transformation  normality-assumption  variance-stabilizing  r  spss  stata  python  correlation  logistic  logit  link-function  regression  predictor  pca  factor-analysis  r  bayesian  maximum-likelihood  mcmc  conditional-probability  statistical-significance  chi-squared  proportion  estimation  error  shrinkage  application  steins-phenomenon 

4
Чи слід вважати, що в статистиці
Я вивчаю статистику і часто натрапляю на формули, що містять, logі я завжди плутаюся, якщо мені слід тлумачити це як стандартне значенняlog , тобто базу 10, або якщо в статистиці цей символ log зазвичай вважається природним журналом ln. Зокрема, я вивчаю оцінку частоти хорошого Тюрінга як приклад, але моє питання …

1
Імовірність журналу проти добутку ймовірностей
Відповідно до цієї статті у вікіпедії , можна представити добуток ймовірностей x⋅yяк -log(x) - log(y)зробити обчислення більш обчислювально оптимальними. Але якщо я спробую приклад, скажіть: p1 = 0.5 p2 = 0.5 p1 * p2 = 0.25 -log(p1) - log(p2) = 2 p3 = 0.1 p4 = 0.1 p3 * p4 …

2
Косисть логарифму випадкової величини гамма
Розглянемо гамма-випадкову змінну X∼Γ(α,θ)X∼Γ(α,θ)X\sim\Gamma(\alpha, \theta) . Існують чіткі формули для середини, дисперсії та косості: E[X]Var[X]Skewness[X]=αθ=αθ2=1/α⋅E[X]2=2/α−−√E[X]=αθVar⁡[X]=αθ2=1/α⋅E[X]2Skewness⁡[X]=2/α\begin{align} \mathbb E[X]&=\alpha\theta\\ \operatorname{Var}[X]&=\alpha\theta^2=1/\alpha\cdot\mathbb E[X]^2\\ \operatorname{Skewness}[X]&=2/\sqrt{\alpha} \end{align} Розглянемо тепер випадкову змінну, перетворену журналом Y=log(X)Y=log⁡(X)Y=\log(X) . Вікіпедія дає формули для середнього та дисперсійного: E[Y]Var[Y]=ψ(α)+log(θ)=ψ1(α)E[Y]=ψ(α)+log⁡(θ)Var⁡[Y]=ψ1(α)\begin{align} \mathbb E[Y]&=\psi(\alpha)+\log(\theta)\\ \operatorname{Var}[Y]&=\psi_1(\alpha)\\ \end{align} за допомогою функцій digamma та trigamma, які визначаються як …

2
Чому перетворення даних в журнал перед проведенням аналізу основних компонентів?
Я слідую підручник тут: http://www.r-bloggers.com/computing-and-visualizing-pca-in-r/, щоб краще зрозуміти PCA. У посібнику використовується набір даних Iris і застосовується перетворення журналу до PCA: Зауважте, що у наведеному нижче коді ми застосовуємо перетворення журналу до безперервних змінних, як це запропоновано [1] та встановлених centerта scaleрівним TRUEу виклику prcompдля стандартизації змінних перед застосуванням PCA. …

2
Як перетворити негативні значення на логарифми?
Мені хотілося б знати, як перетворити негативні значення Log(), оскільки у мене є гетерокедастичні дані. Я прочитав, що це працює з формулою, Log(x+1)але це не працює з моєю базою даних, і я продовжую отримувати NaNs в результаті. Наприклад, я отримую це Попереджувальне повідомлення (я не помістив повну базу даних, тому …
12 r  logarithm 

2
Двійкові моделі (Пробіт і Логіт) з логарифмічним зміщенням
Чи має хтось висновок про те, як офсет працює у бінарних моделях, таких як probit та logit? У моїй проблемі вікно подальших дій може відрізнятися за довжиною. Припустимо, пацієнти отримують профілактичний знімок як лікування. Постріл відбувається в різний час, тому , якщо результат є двійковим індикатором того або стався спалах …

1
Навіщо використовувати зареєстровані змінні?
Напевно, це дуже основне питання, але я, здається, не зможу знайти на нього твердої відповіді. Я тут сподіваюся, можу. Зараз я читаю документи як підготовку до власної магістерської роботи. Наразі я читаю документ, який досліджує взаємозв’язок між твітами та особливостями фондового ринку. В одній зі своїх гіпотез вони припускають, що …

2
Чи кращі моделі часових рядів журналу кращі за темпи зростання?
Часто я бачу, як автори оцінюють модель "різниці в журналі", наприклад журнал( ут) - журнал( уt - 1) = журнал( ут/ уt - 1) = α + βхтжурнал⁡(ут)-журнал⁡(ут-1)=журнал⁡(ут/ут-1)=α+βхт\log (y_t)-\log(y_{t-1}) = \log(y_t/y_{t-1}) = \alpha + \beta x_t Я погоджуюся, що це доречно співвідносити із зміною відсотків у тоді як - .y …

Використовуючи наш веб-сайт, ви визнаєте, що прочитали та зрозуміли наші Політику щодо файлів cookie та Політику конфіденційності.
Licensed under cc by-sa 3.0 with attribution required.