Revisió del 09:16, 3 nov 2016 modifica General Basset (discussió \| contribucions) Autopatrullats, Reversors, Administradors 48.455 edits mCap resum de modificació ← Edició anterior		Revisió del 01:08, 26 nov 2016 modifica desfés Vivarés (discussió \| contribucions) Autopatrullats 6.734 edits m enllaç rectificat Edició següent →
Línia 9: : <math> Y_i \ \sim B (p_i, n_i), \quad\text{per }i = 1, \dots, m, </math> on els ~~números~~nombres d'[[assaig de Bernoulli\| assaigs de Bernoulli]] '' n '' <sub> '' i '' </sub> són coneguts i les probabilitats d'èxit '' p '' <sub> '' i '' </sub> són desconegudes. Un exemple d'aquesta distribució és el percentatge de llavors ('' p '' <sub> '' i '' </sub>) que germinen després que '' n '' <sub> '' i '' </sub> són plantades. El model és llavors obtingut en base al que cada assaig (valor de '' i '') i el conjunt de variables explicatives/independents pugui informar sobre la probabilitat final. Aquestes variables explicatives poden pensar com un vector '' X '' <sub> '' i '' </sub> '' k ''-dimensional i el model pren llavors la forma Línia 15: : <math> P_i = \operatorname{E} \left ( \left. \frac{Y_i}{n_{i}}\right\|X_i \right). \, \! </math> Els logits de les probabilitats binomials desconegudes ('' ie '', els logaritmes dels [[odds]]) són ~~modelades~~modelats com una funció lineal dels '' X <sub> i </sub> ''. : <math> \operatorname{logit}(p_i) = \ln \left (\frac{p_i}{1-p_i}\right) = \beta_0+\beta_1 x_{1, i}+\cdots+\beta_k x_{k, i}. </math>

Regressió logística: diferència entre les revisions