포아송비 예제

다시 한번, 최소한의 사각형 회귀로 커밋 할 수있는 거의 모든 죄는 푸아송과 음의 이항 회귀로 커밋 될 수 있습니다. 여기에는 데이터를 보고 단계별 절차와 최종 모델에 도착하는 것이 포함됩니다. 최소 제곱 회귀에 대해 만들어진 모든 경고 및 권장 사항은 푸아송 및 음수 이항 회귀에도 적용됩니다. 푸아송 회귀는 또 다른 형태입니다,… 회귀. 모델이 장착되어 있습니다. 계수는 다른 회귀 모델에서와 같이 가져오고 해석됩니다. 로지스틱 회귀와 마찬가지로 기본 수학 및 기본 확률 분포 이론은 일반 최소 제곱 회귀와 다르기 때문에 푸아송 회귀는 소비자의 경우와는 달리 별도의 주제로 처리됩니다. 관점, 그것은 모든 회귀입니다. 푸아송 회귀는 피험자의 아연 수준이 요양원 거주자에 의해 1 년 기간 동안 경험한 폐렴의 에피소드의 수를 예측하는지 여부를 설명하는 데 사용됩니다. 아연 수준에서 선형으로 응답을 기대할 이유가 없습니다. 오히려, 중요한 요인은 피험자가 결핍되었는지 여부 (70 ug /dL 이하 수준)라고 생각됩니다. 이 운동의 목적을 위해, 거주자가 나이, 성별, BMI 및 아연 수준이 연구 시작 시 70 ug /dL 미만인지 여부에 대한 주어진 연도에 있는 폐렴의 사례를 회귀하기로 결정했다고 가정합니다.

결과 방정식은 사이드 노트에: 일주일 정도 에 대 한 내가 이작업에 보냈다, 나는 가사의 내 끊임없는 노래에 대 한 내 인생에 두 거의 치명적인 시도 살아남았다 „… 당신의 입술, 독, 푸아송”. 그냥 경고, 어떤 사람들은 수학을 좋아하지 않는다. 푸아송은 왜 푸아송 분포를 발명해야 했을까요? 우리는 드문 이벤트의 분포를 호출합니다., 푸아송 프로세스는 이산 이벤트가 연속적으로 발생하는 곳이지만 R의 시간 또는 공간의 유한한 간격입니다. 푸아송 분포가 좋은 것처럼, 종종 데이터가 푸아송 분포가 예측하는 것보다 더 가변적 (과분산)인 경우가 많습니다. 일반적인 푸아송 회귀 프로그램은 과다 분산이 문제가 될 수 있음을 나타내는 몇 가지 통계를 보고합니다. 이들은 편차와 피어슨 통계와 자유도입니다. 따라서, 기하급수적 푸아송 회귀 계수는 예측변수에서 하나의 단위 차이에 대응하는 비율 비율이라는 것을 우리는 se. 푸아송 = EXP ( -[트래픽 강도] ) * 전원 ([트래픽 강도]), XAgentsOnStaff [직원 에이전트]) / FACT (XAgentsOnStaff [직원 에이전트] ) 이항 분포는 설문 조사 또는 실험에서 합격 또는 실패 결과의 가능성으로 간주됩니다. 여러 번 복제되었습니다. 예를 들어 참 또는 거짓 또는 머리 또는 꼬리와 같은 이러한 유형의 배포에 대한 잠재적인 결과는 두 가지뿐입니다. 다음은 실제 생활에서 푸아송을 사용하는 방법의 예입니다.

폐렴 예로 돌아가면, 낮은 아연 상태에 대한 계수는 0.6531이다. 그것의 안티 로그는 1.92입니다. 따라서 우리는 아연 상태가 낮은 사람들은 정상적인 아연 상태를 가진 것과 같이 연간 1.92 시간의 폐렴을 가지고 있다고 결론을 내립니다. 이론적으로 는 푸아송 분포에 비해 데이터가 과소 분산을 나타낼 수 있습니다. 과다 분산에 대한 조정을 하지 못하면 추정치의 변동성을 과소 평가하게 될 것이고, 과소 평가에 대한 조정을 하지 못하면 우리의 추정치가 실제로 보다 정확하지 않다고 생각하게 됩니다. 그러나, 나는 아직 내 자신의 연습에서 푸아송 모델에 비해 과소 평가를 볼 수 없습니다.