Útmutatóhoz kapcsolódó kvíz · Közepes Szint
Poisson-regresszió a Count Data kvízhez
Tesztelje a Poisson log-link értelmezését, az expozíciós eltolásokat, a túldiszperziót és a különbséget a várt számok és a megfigyelt egészek között.
kérdés 1 -ból 8
A Poisson-modell átlagosan 2,4 incidenst jósol egy helyszíni hétre. Hogyan kell értelmezni ezt a jóslatot?
Tekintse meg az összes kérdést8 kérdéseket
A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.
- A Poisson-modell átlagosan 2,4 incidenst jósol egy helyszíni hétre. Hogyan kell értelmezni ezt a jóslatot?
- A hasonló webhely-hetek várható száma
- Állításként, hogy 2,4 incidensnek kell bekövetkeznie
- Pontosan 2,4 incidens valószínűségeként
- Egész szám címkeként, amelyet kiértékelés előtt kerekíteni kell
- Log link esetén hogyan kapjuk meg a lineáris előrejelzőből a várható Poisson-számot?
- Vegyük a prediktor logaritmusát a várt szám visszaállításához
- Hatványozza a prediktort
- Használja magát a lineáris előrejelzőt várt számként
- Az inverz hivatkozás alkalmazása előtt kerekítse le a lineáris prediktort
- Egy oldal négyszer annyi órát működik, mint egy másik. Mit jelenthet a log-expozíció eltolása?
- Becsüljön meg egy külön szabad együtthatót a log expozícióhoz
- Az expozíciós órákat kezelje válaszként az eltolás helyett
- Nagyobb lehetőség az események megfigyelésére
- Ossza el az összes megfigyelt számot az expozícióval, és hagyja ki az expozíciót a modellből
- A prediktorokon végzett kondicionálás után a számvariancia sokkal nagyobb, mint az illesztett átlag. Milyen aggodalmat vet fel ez?
- Inkább az átlagos link eltérés, mint a túlzott feltételes változékonyság
- Bármely megfigyelt nulla által létrehozott szerkezeti nulla folyamat
- Annak bizonyítéka, hogy a várt számot lefelé kell torzítani
- Túldiszperzió az alap Poisson-feltevéshez képest
- Miért lehet a túlzott diszperzió figyelmen kívül hagyása félrevezetővé a szokásos Poisson-következtetést?
- Az együtthatóbecsléseknek torzítottnak kell lenniük még akkor is, ha az átlag helyes
- A standard hibák túl kicsik lehetnek
- Az illesztett eszközök negatívvá válnak egy napló hivatkozás alatt
- A számlálás eredménye megszűnik egész számnak lenni
- A log-link együttható log(1.2) a prediktor egy egységnyi növekedéséhez. Milyen multiplikatív összehasonlítást jelent?
- A valószínűség 20 százalékponttal nő
- A várható szám minden esetben pontosan 1,2 eseménnyel növekszik
- A várható számot megszorozzuk 1,2-vel, a többi feltételek rögzítve maradnak
- A szórást megszorozzuk nullával
- Mikor érdemes egy negatív-binomiális modellt összehasonlítani a Poisson-regresszióval?
- Használjon negatív-binomiális modellt minden számlálási eredményhez
- Használjon nulla felfújt modellt, ha bármilyen nulla van jelen
- Az érvényesítéstől függetlenül részesítse előnyben a több paraméterrel rendelkező modellt
- Amikor a túlzott diszperziót a diagnosztika és a kontextus támogatja
- Mi vezérelje a Poisson és egy összetettebb számolási modell közötti választást?
- A számlálási folyamat, a diagnosztika és a tervezett értékelési felhasználás
- Válassza azt a modellt, amelyiknek egyedül a legkisebb a képzési eltérése
- Válassza ki azt a modellt, amelynek együtthatói a legkönnyebben megmagyarázhatóak, az illeszkedéstől függetlenül
- Válassza ki azt a modellt, amely a legtöbb rendelkezésre álló előrejelzőt tartalmazza