Диагностика: на что обратить внимание при оценке статистических предположений

Автор: Simplistics (QuantPsych)

Загружено: 2019-02-12

Просмотров: 5596

Описание:

Линейные модели предполагают предположения (гомоскедастичность, линейность, независимость и нормальность). Как их оценивать? Ну, посмотри, чувак.

Цели обучения:

понять, что такое остаток (как графически, так и математически);
компоненты модели (подгонка и ошибка/остаток);
узнать, что остаток говорит о вашей модели;
четыре критических предположения линейных моделей;
нормальность переменных и нормальность остатков;
гомо- (или гетеро)скедастичность — что это значит?
Что означает независимость?
зачем мы оцениваем предположения?
как интерпретировать график зависимости остатков (и что он вам говорит);
как интерпретировать график SL (и что он вам говорит);

как моделировать данные, нарушающие эти предположения:
• What is robustness? How to do robustness in R

Диагностика: на что обратить внимание при оценке статистических предположений

Доступные форматы для скачивания:

Скачать видео mp4

Информация по загрузке:

Скачать аудио mp3

Похожие видео

Testing normality is pointless. Do this instead

Testing normality is pointless. Do this instead

Бесполезна ли непараметрическая статистика?

Бесполезна ли непараметрическая статистика?

Diagnostics in R: Assessing Statistical Assumptions Visually

Diagnostics in R: Assessing Statistical Assumptions Visually

Простое объяснение смешанных моделей (иерархические линейные модели, многоуровневые модели)

Простое объяснение смешанных моделей (иерархические линейные модели, многоуровневые модели)

Regression assumptions explained!

Regression assumptions explained!

Are modern robust methods useless? (vlog)

Are modern robust methods useless? (vlog)

Допущения в линейной регрессии — объяснение | остаточный анализ

Допущения в линейной регрессии — объяснение | остаточный анализ

Dealing with nonlinear data: Polynomial regression and log transformations

Dealing with nonlinear data: Polynomial regression and log transformations

Ошибся ли я насчет моделирования?

Ошибся ли я насчет моделирования?

МФТИ — как учат ГЕНИЕВ? Полнометражный фильм

МФТИ — как учат ГЕНИЕВ? Полнометражный фильм

Mixed Models, Hierarchical Linear Models, and Multilevel Models: A simple explanation

Mixed Models, Hierarchical Linear Models, and Multilevel Models: A simple explanation

THIS is the foundation of statistics!

THIS is the foundation of statistics!

Linear mixed effects models

Linear mixed effects models

Визуализация всех возможных пифагоровых троек [3Blue1Brown]

Визуализация всех возможных пифагоровых троек [3Blue1Brown]

Check ALL assumptions and model quality at once 💪 {performance}

Check ALL assumptions and model quality at once 💪 {performance}

Разведчик о том, как использовать людей

Разведчик о том, как использовать людей

Алгоритмы и структуры данных за 15 минут! Вместо 4 лет универа

Алгоритмы и структуры данных за 15 минут! Вместо 4 лет универа

Checking assumptions of the linear model

Checking assumptions of the linear model

Understanding Generalized Linear Models (Logistic, Poisson, etc.)

Understanding Generalized Linear Models (Logistic, Poisson, etc.)

Regression with Count Data: Poisson and Negative Binomial

Regression with Count Data: Poisson and Negative Binomial