Açıklama için modelleme sorunu

Tidyverse ile Verilerle Modelleme

Albert Y. Kim

Assistant Professor of Statistical and Data Sciences

Hatırlatma: Genel modelleme çerçevesi formülü

$$ y = f(\vec{x}) + \epsilon $$

Nerede:

$y$: incelenen çıktı değişkeni
$\vec{x}$: açıklayıcı/tahmin edici değişkenler
$f()$: $y$ ile $\vec{x}$ arasındaki ilişkinin fonksiyonu, yani "sinyal"
$\epsilon$: sistematik olmayan hata bileşeni, yani "gürültü"

Modelleme sorunu

$y = f(\vec{x}) + \epsilon$ ifadesini düşün.

$f()$ ve $\epsilon$ bilinmiyor
$y$ ve $\vec{x}$'in $n$ gözlemi veri olarak biliniyor/verili
Amaç: $\epsilon$'i yok sayarken $f()$'i yaklaştıran bir model $\hat{f}()$ uydurmak
Amaç (yeniden): Sinyali gürültüden ayır
Sonra uydurulmuş/tahmin edilen değerler üretebilirsin: $\hat{y} = \hat{f}(\vec{x})$

Açıklama için modelleme örneği

İlişkinin EDA'sı

library(ggplot2)
library(dplyr)
library(moderndive)

ggplot(evals, aes(x = age, y = score)) +
  geom_point() + 
  labs(x = "age", y = "score",
       title = "Teaching score over age")

İlişkinin EDA'sı

Dağıtılmış (jitter) saçılım grafiği

library(ggplot2)
library(dplyr)
library(moderndive)

# Use geom_jitter() instead of geom_point()
ggplot(evals, aes(x = age, y = score)) +
  geom_jitter() + 
  labs(x = "age", y = "score",
       title = "Teaching score over age (jittered)")

Dağıtılmış (jitter) saçılım grafiği

Korelasyon katsayısı

Korelasyon katsayısını hesaplama

evals %>% 
  summarize(correlation = cor(score, age))

# A tibble: 1 x 1
  correlation
        <dbl>
1      -0.107

Hadi pratik yapalım!

Tidyverse ile Verilerle Modelleme