Funkcje łączące: probit a logit

Uogólnione modele liniowe w R

Richard Erickson

Instructor

Po co funkcje łączące?

Model danych binarnych

$Y = \text{Binomial}(p)$

Powiązany z równaniem liniowym

$\Phi^{-1} (p) = \beta_0 + \beta_1 x + \epsilon $

Oparty na dystrybuancie rozkładu normalnego

$\Phi(z) = \frac{1}{\sqrt{2 \pi}} \int_{-\infty}^z e^{- \frac{1}{2} z^2} \, dz$

Skumulowane prawdopodobieństwo probitu i logitu

Opcja family w glm()
- Znak: glm(..., family = "binomial")
- Funkcja: glm(..., family = binomial())
Domyślnie: binomial(link = "logit")
Probit: binomial(link = "probit")
Stosować zgodnie z instrukcjami DataCamp

Przeliczenie ze skali probitu na skalę prawdopodobieństwa:

p = pnorm(-0.2)

Użycie prawdopodobieństwa z rozkładem dwumianowym

rbinom(n = 10, size = 1, prob = p)

Przeliczenie ze skali logitu na skalę prawdopodobieństwa:

p = plogis(-.2)

Użycie prawdopodobieństwa z rozkładem dwumianowym

rbinom(n = 10, size = 1, prob = p)

Uogólnione modele liniowe w R