व्याख्या हेतु मॉडलिंग का पृष्ठभूमि

Tidyverse में डेटा के साथ Modeling

Albert Y. Kim

Assistant Professor of Statistical and Data Sciences

कोर्स का अवलोकन

मॉडलिंग परिचय: सिद्धांत और शब्दावली
Regression:
- Simple linear regression
- Multiple regression
मॉडल मूल्यांकन

जनरल मॉडलिंग फ्रेमवर्क फ़ॉर्मूला

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

Where:

$y$: रुचि का outcome वैरिएबल
$\vec{x}$: explanatory/predictor वैरिएबल्स
$f()$: $y$ और $\vec{x}$ के बीच संबंध का फंक्शन, जिसे signal भी कहते हैं
$\epsilon$: असंगत त्रुटि घटक, जिसे noise भी कहते हैं

दो मॉडलिंग परिदृश्य

मॉडलिंग के उद्देश्य:

Explanation: $\vec{x}$ explanatory वैरिएबल्स हैं
Prediction: $\vec{x}$ predictor वैरिएबल्स हैं

व्याख्या हेतु मॉडलिंग का उदाहरण

टेक्सास यूनिवर्सिटी, ऑस्टिन का टीचिंग इवैल्यूएशन स्कोर पर अध्ययन (openintro.org)।

प्रश्न: क्या हम विभिन्न शिक्षक गुणों के आधार पर टीचिंग इवैल्यूएशन स्कोर में अंतर समझा सकते हैं?

वैरिएबल्स:

$y$: छात्रों के इवैल्यूएशंस पर आधारित औसत score
$\vec{x}$: rank, gender, age, और bty_avg जैसे गुण

व्याख्या हेतु मॉडलिंग का उदाहरण

moderndive पैकेज से ModernDive.com हेतु:

library(dplyr)
library(moderndive)
glimpse(evals)

Observations: 463
Variables: 13
$ ID           <int> 1, 2, 3, 4, 5, 6, 7, 8, 9, 10...
$ score        <dbl> 4.7, 4.1, 3.9, 4.8, 4.6, 4.3...
$ age          <int> 36, 36, 36, 36, 59, 59, 59, 51...
$ bty_avg      <dbl> 5.000, 5.000, 5.000, 5.000...
$ gender       <fct> female, female, female, female...
...

एक्सप्लोरेटरी डेटा एनालिसिस

एक्सप्लोरेटरी डेटा एनालिसिस (EDA) के तीन मूल चरण:

अपने डेटा को देखना
विज़ुअलाइज़ेशन बनाना
सारांश सांख्यिकी निकालना

एक्सप्लोरेटरी डेटा एनालिसिस

library(ggplot2)
ggplot(evals, aes(x = score)) +
  geom_histogram(binwidth = 0.25) + 
  labs(x = "teaching score", y = "count")

एक्सप्लोरेटरी डेटा एनालिसिस

# Compute mean, median, and standard deviation
evals %>%
  summarize(mean_score = mean(score), 
            median_score = median(score),
            sd_score = sd(score))

# A tibble: 1 x 3
  mean_score median_score sd_score
       <dbl>        <dbl>    <dbl>
1       4.17          4.3    0.544

अभ्यास करते हैं!

Tidyverse में डेटा के साथ Modeling