Математическая статистика (лекция 7)

Содержание

Слайд 2

Понятие корреляции

Взаимосвязь между количественной и качественной переменной – t-test (если качественная переменная

Понятие корреляции Взаимосвязь между количественной и качественной переменной – t-test (если качественная
представлена двумя градациями) или дисперсионный анализ + критерий Тьюки (если градаций больше)
ВОПРОС: А как исследовать взаимосвязь между двумя количественными переменными?
Например, между ростом и весом, между возрастом и IQ и т.п.
Корреляция – статистическая взаимосвязь двух случайных величин.
Бывает:
Положительной
Пример. Корреляция между ростом и весом
Отрицательной
Пример. Корреляция между возрастом и скоростью бега

Эти графики - диаграммы рассеяния

Отсутствие корреляции

Слайд 3

Коэффициент корреляции

Это численный показатель, позволяющий определить:
направление корреляции (положительная/отрицательная)
её силу

 

 

По аналогии с

Коэффициент корреляции Это численный показатель, позволяющий определить: направление корреляции (положительная/отрицательная) её силу
дисперсией

Ковариация (cov)

 

 

Коэффициент корреляции
(Пирсона)

Слайд 4

Почему коэффициент корреляции варьирует на [-1;+1]?

 

Скалярное произведение векторов A и B

Норма

Почему коэффициент корреляции варьирует на [-1;+1]? Скалярное произведение векторов A и B
вектора A

Норма вектора B

Слайд 5

Коэффициент детерминации R2

Это коэффициент корреляции в квадрате
Всегда неотрицателен и варьирует на [0;1]
R2

Коэффициент детерминации R2 Это коэффициент корреляции в квадрате Всегда неотрицателен и варьирует
– часть изменчивости (дисперсии) переменной, обусловленная её взаимосвязью с другой переменной

Визуализация с сайта http://rpsychologist.com/d3/correlation/

Слайд 6

Статистическая значимость коэффициента корреляции Пирсона

 

 

С уменьшением N уменьшается и t-значение

Статистическая значимость коэффициента корреляции Пирсона С уменьшением N уменьшается и t-значение

Слайд 7

Условия применения коэффициента корреляции Пирсона

 

выброс

r=0,7 // r(spearman)=0,67

r=-0,096 // r(spearman)=0,336

Коэф-т кор. Спирмана –

Условия применения коэффициента корреляции Пирсона выброс r=0,7 // r(spearman)=0,67 r=-0,096 // r(spearman)=0,336
непарам.аналог

Слайд 8

Регрессионный анализ

Позволяет не только ответить на вопрос, есть ли взаимосвязь, но и

Регрессионный анализ Позволяет не только ответить на вопрос, есть ли взаимосвязь, но
описать, какая это взаимосвязь (построить модель взаимосвязи)
Простейший случай – модель с одной зависимой переменной (Y) и одной независимой – предиктором (X). Обе переменных количественные.
Неоценимое значение регрессионного анализа – возможность предсказать значение зависимой переменной по новому значению независимой, не участвовавшему в анализе.
Её уравнение:

x1_new

Где будет x2_new??

Линия регрессии (линия тренда)

 

Свободный член (intercept)
Показывает, где прямая
пересекает ось y

b0

Коэф-т наклона (slope)
Определяет угол наклона прямой относительно x

ϕ=arctg(b1)

Слайд 9

Как найти оптимальную линию регрессии, или метод наименьших квадратов (МНК)

 

 

 

Определяет знак коэф-та

Как найти оптимальную линию регрессии, или метод наименьших квадратов (МНК) Определяет знак
и угол наклона прямой

 

Слайд 10

Условия применения линейной регрессии

 

гомоскедастичность

гетероскедастичность

Всюду остатки и “+”, и “-”

Есть места,
где остатки

Условия применения линейной регрессии гомоскедастичность гетероскедастичность Всюду остатки и “+”, и “-”

только “+”, а где – только “-”

https://gallery.shinyapps.io/slr_diag/

Слайд 11

Пример задачи на линейную регрессию

Исходные данные – социально-экономические показатели для штатов США
ВОПРОС:

Пример задачи на линейную регрессию Исходные данные – социально-экономические показатели для штатов
Связаны ли между собой (коррелируют ли) уровень образования с уровнем бедности?
Независимая переменная – hs_grad,
зависимая – poverty.

metro_res - % людей, живущих в столице
white - % белокожего населения
hs_grad - % людей с высшим образованием
poverty - % людей, живущих за чертой бедности
female_house - % женщин-домохозяек

N=51

b0

b1

Рез-ты статистически значимы

Слайд 12

Ещё об интерпретации

b1

Вероятность наблюдать t-значение, равное ±7,862 (или выше), при условии, что

Ещё об интерпретации b1 Вероятность наблюдать t-значение, равное ±7,862 (или выше), при
верна H0: μ(b1)=0

 

% бедных

% образованных

Слайд 13

Наконец, проверим требования к использованию линейной регрессии

p-value (shapiro) = 0.1831

 

Наконец, проверим требования к использованию линейной регрессии p-value (shapiro) = 0.1831

Слайд 14

Множественная линейная регрессия

 

Зависимая переменная

Предикторы

Множественная линейная регрессия Зависимая переменная Предикторы

Слайд 15

Множественная линейная регрессия на примере

Загоним в нашу
предсказательную модель
для уровня бедности все
оставшиеся

Множественная линейная регрессия на примере Загоним в нашу предсказательную модель для уровня
переменные

b0

Не оказывают влияния на зав.п.
(коэф-ты значимо не отл.от 0)

Показатели “Estimate” напротив названий переменных отражают, насколько изменится зависимая переменная с ростом данной независимой на 1 при условии, что остальные независ.пер-е зафиксированы.

При включении в модель нескольких предикторов возникает ситуация, аналогичная проблеме множественного сравнения. Поэтому имеет смысл смотреть не на сам R2, а на его исправленную, скорректированную версию(adjusted R2):
Multiple R-squared: 0.6416, Adjusted R-squared: 0.6104
Наилучшая модель – та, у которой больше всего Adjusted R-squared!

Слайд 16

Проверим мультиколлинеарность

Корреляции независимых переменных между собой:
Переменная female_house сильно коррелирует с переменными white

Проверим мультиколлинеарность Корреляции независимых переменных между собой: Переменная female_house сильно коррелирует с
и hs_grad. Давайте удалим её из нашей модели!

Стат.значимы все 3 независ.пер-е

(немного больше, чем до этого)

Слайд 17

Введение в логистическую регрессию

 

Введение в логистическую регрессию

Слайд 18

От вероятности к логарифму шанса

 

 

От вероятности к логарифму шанса

Слайд 19

Как подбирать коэффициенты логистической регрессии?

Будем двигаться последовательно, и начнём с модели вовсе

Как подбирать коэффициенты логистической регрессии? Будем двигаться последовательно, и начнём с модели
без предикторов (intercept-only model).
В качестве тренировочного примера возьмём данные про пассажиров «Титаника» (714 наблюдений). Номинативные переменные:
Выжил/нет (это будет зависимая переменная)
Пол (мужчина/женщина)
Класс каюты (1й класс/2й класс/3й класс)

 

Слайд 20

Модель с одним номинативным предиктором

Теперь будем учитывать ещё и пол пассажира.
Распределение пассажиров

Модель с одним номинативным предиктором Теперь будем учитывать ещё и пол пассажира.
по полу и исходу пребывания на Титанике (таблица сопряжённости):
Рассчитаем шанс выжить для мужчин и ываываываыаыаываыва женщин по отдельности:
odds(male)=93/360=0,26
odds(female)=197/64=3,08
Их логарифмы: ln(odds(male))=-1,35
ln(odds(female))=1,12
Отношение шансов выжить для мужчин и женщин = 0,26/3,08=0,08
Его логарифм: ln(odds(male)/odds(female))=ln(odds(male))-ln(odds(female))=-2,47
Уравнение регрессии примет вид:
ln(odds(survive))=1,12-2,47*Sex_male

Логарифм шанса выжить, если пассажир - женщина

b0

«Штраф» (цена перехода), если пассажир мужчина, – логарифм отношения шансов выжить для мужчин и базового уровня фактора (женщин)

b1

Переменная, принимающая значение 0, если пассажир – женщина, и 1 – если мужчина

Какая градация будет базовым уровнем – выбирается просто по алфавиту!

Слайд 21

Если независимая переменная - количественная

ЗАДАЧА. Исследовать, как влияет средний балл абитуриента в

Если независимая переменная - количественная ЗАДАЧА. Исследовать, как влияет средний балл абитуриента
школе на вероятность его поступления в ВУЗ.
Исходные данные – 400 наблюдений вида
Коэффициенты уравнения регрессии:

завис.пер-я (1 – поступил, 0 –нет)

независ.колич.пер-я (сред.балл в школе, gpa ϵ [2,26;4])

Логарифмы шансов. 1,0511 – насколько увеличится логарифм шанса поступления при увеличении gpa на 1

ось ln(odds)

ось средних баллов (gpa)

4,5

Если ср.балл ≈ 4.5, то ln(p/(1-p))≈0,3
Отсюда p/(1-p)≈ exp(0,3)≈1,35
Отсюда p≈0,57
Вероятность поступить со средним баллом 4,5 равна 0,57.

Имя файла: Математическая-статистика-(лекция-7).pptx
Количество просмотров: 55
Количество скачиваний: 2