布朗运动过程、复合泊松过程及马尔科夫链的离散模拟前言一：布朗运动模拟二：泊松过程模拟三：复合泊松过程与补偿泊松过程四：离散马尔科夫链模拟五：总结 前言本篇文章主要聊一聊常见的随机过程的模拟（暂不涉及机器学习数据挖掘等），随机过程的相关理论还是非常深奥的，比如带跳的多维伊藤公式，鞅表示定理，Mallivian微积分等等，这篇文章将暂只涉及浅显知识点的概括，重点是模拟这些常见的过程，望对有兴趣的朋友
You can find the full article here来看一个比较特殊的Survival分析建模的案例,利用的是半参模型:Poisson Regression 具体参考文章:Survival Analysis with LightGBM plus Poisson Regression 里面的建模思路非常有意思，不适合工业落地，不过咨询公司的data scientist看过来~1 Po
泊松回归主要适用于罕见结局发生率的分析，其数据特征一般为：发生率的分母相对于分子较大，或者事件发生于有限的时间、空间上。事件发生数量可以近似为服从泊松分布。常见的例子如，士兵意外死亡数量、电话拨打错误的数量、罕见疾病的发病率等。 在临床研究中泊松回归常用于队列研究。如下面的例子（表1）： 表1. 队列研究实例 该研究为一个队列研究，目的是探讨吸烟是否增加人群的死亡风险
转载
2023-08-07 14:38:18
120阅读
之前的文章中我们介绍过最常用的——线性回归；数据不满足线性关系时可以使用的——曲线回归；当Y为定类数据时使用的——Logistic回归等。还有一些专门用来解决回归分析中出现的种种问题的回归方法，如解决多重共线性问题的岭回归、自动筛选变量的逐步回归、中介调节效应中用于对模型比较的分层回归等。除了上述提及的，事实上还有很多回归分析方法，它们适用于不同类型的数据以及不同应用场景，正是这些分
转载
2024-01-02 22:06:19
47阅读
这期继续说说统计这些事，泊松分布大家可能熟悉些，但是用它来做模型还是需要细细品味一下。 泊松回归，也被称为对数线性模型，当结果变量是一个计数(即数值型，但不像连续变量的范围那么大)时，使用泊松回归。研究中统计变量的例子包括一个人有多少次心脏病发作或中风，在过去的一个月中他服用了多少天(插入你最喜欢的非法药物)，或者，在生存分析中，从爆发到感染有多少天。泊松分布是唯
转载
2023-09-28 21:21:40
736阅读
精彩内容请关注211统计课堂 上期小统和大家一起了解了STATA数据处理技巧与计量分析的回归分析，这期小统和大家一起学习一下回归分析偏误处理。{偏误处理之一模型设定}educ估计得到的系数为0.5414，表示受教育程度每增加一年，时薪增加0.5414美元。Q：受教育年限，每增加一年更高层次的教育所带来薪酬的增加跟低层次教育所带来的薪酬增加一样吗？A：答案是否定的！高层次教育所带来的时薪增长应该
转载
2024-03-05 08:31:49
549阅读
# Python 泊松回归结果分析项目方案
## 项目背景
在许多应用场景中，数据呈现为计数型数据，比如顾客的购买次数、网站的访客数量等。泊松回归是一种用于建模计数数据的回归分析方法，通过该方法，我们能够合理地预测或理解影响结果变量的因素。
## 项目目标
本项目旨在使用Python进行泊松回归分析，主要目标包括：
1. 通过数据预处理和可视化，理解数据分布和相关性。
2. 建立泊松回归
1.逻辑回归逻辑回归是一种线性回归模型,它假设数据服从伯努力分布(二项分布,0-1分布),通过极大似然估计,运用梯度下降方法(牛顿法) 求解,进而达到二分类目的。逻辑回归与线性回归有很多相似之处，去除Sigmoid映射函数的话，逻辑回归算法就是一个线性回归。逻辑回归以线性回归理论作为支持。由于引入了Sigmoid函数，可以处理非线性问题，因此可以轻松处理0/1分布问题。2.伯努利(Binomial
转载
2023-07-29 12:00:38
118阅读
广义线性模型（Generalized Linear Model）之三：Poisson回归一、泊松回归（Poisson regression）简介（一）泊松回归（二）计数数据（三）泊松分布1）数学表达式2）不同λ的泊松分布图（四）泊松回归模型二、R语言实例分析例1. Breslow癫痫数据分析过度离势 一、泊松回归（Poisson regression）简介（一）泊松回归在统计学中，泊松回归是回归
转载
2023-07-28 15:27:57
1506阅读
统计软件简介一、SPSS stical Product and Service Solutions（社会科学统计软件包）的缩写。SPSS是公司是由美国斯坦福大学三位学生与1968年在芝加哥成立，随着SPSS产品服务领域的扩大和服务深度的增加，SPSS公司已于2000年正式将英文全称更改为"统计产品与服务解决方案"，标志着SPSS的战略方向正在做出重大调整。为IBM公司推出的一系列用于统计
利用空间分析进行学校选址一、实验目的 1. 在ArcGIS中实现学校选址分析； &n
如何写好一篇计量经济学论文从选题到分析-超级完整版摘要：在多数开设计量经济学课程的专业中，学生通常需要撰写一篇关于计量经济学的课程论文。此外，学生还需运用计量模型完成毕业设计项目，或撰写并发表相关论文。为了帮助学生顺利完成计量经济学论文的撰写，本文将提供从选题到形成论文的详细教程，以供参考。省流：数据分析，SPSS、AMOS、Eviews、Mplus、Python语言、R语言等统计分析软件的操作分
《Interpretable Machine Learning》(https://christophm.github.io/interpretable-ml-book/index.html)内容围绕：对于一个训练好的线性模型，怎样去向模型使用者（客户）解释这个模型（参数含义、为什么得会得出这种预测结果）。 上图为一个线性回归的单个实例，最后一项为误差。1. 模型是否“正确”，需要用到的数据间遵循一
转载
2024-01-22 11:44:07
137阅读
如果您知道如何以及何时使用泊松回归，它可能是一个非常有用的工具。在大数据分析R中泊松回归模型实例中，我们将深入研究泊松回归，它是什么以及R程序员如何在现实世界中使用它。 具体来说，我们将介绍： 1)泊松回归实际上是什么，什么时候应该使用它 2)泊松分布及其与正态分布的区别 3)使用GLM进行泊松回归建模4) 5)为计数数据建模泊松回归 6)使用jtools可视化来自模型的发现 7)
转载
2024-02-26 17:17:56
157阅读
# Python的OLS回归结果导出
在数据分析中，普通最小二乘法（OLS）回归是一种常用的线性回归分析方法。OLS回归的结果可以帮助我们理解变量之间的关系，进而支持决策的制定。随着Python在数据科学中的广泛应用，学习如何使用Python进行OLS回归和有效导出结果是非常重要的。本文将介绍使用Python的`statsmodels`库进行OLS回归，并将结果导出为文件。
## 1. 环境准
一、算法原理迫松重建法是一种基于隐式函数的三角网格重建算法，该方法通过对点云数据进行最优化的插值处理之后来获取近似的曲面。 迫松曲面重建的过程： 1、定义八叉树。使用八叉树结构存储点集，根据采样点集的位置定义八叉树，然后细分八叉树使每个采样点都落在深度为D的叶节点；2、设置函数空间：对八叉树的每个节点设置空间函数F，所有节点函数F的线性和可以表示向量场V，基函数F采用了盒滤波的
这期继续说说统计这些事，泊松分布大家可能熟悉些，但是用它来做模型还是需要细细品味一下**。**泊松回归，也被称为对数线性模型，当结果变量是一个计数(即数值型，但不像连续变量的范围那么大)时，使用泊松回归。研究中统计变量的例子包括一个人有多少次心脏病发作或中风，在过去的一个月中他服用了多少天(插入你最喜欢的非法药物)，或者，在生存分析中，从爆发到感染有多少天。泊松分布是唯一的，因为它的均值和方差相等
转载
2023-10-11 12:21:39
181阅读
说明：这是一个机器学习实战项目（附带数据+代码+文档+视频讲解），如需数据+代码+文档+视频讲解可以直接到文章最后获取。 1.项目背景灰狼优化算法(GWO)，由澳大利亚格里菲斯大学学者 Mirjalili 等人于2014年提出来的一种群智能优化算法。灵感来自于灰狼群体捕食行为。优点：较强的收敛性能，结构简单、需要调节的参数少，容易实现，存在能够自适应调整的收敛因子以及信息
最近在研究GWPR,参考了很多广义线性模型,特别是泊松回归的相关内容,知识琐碎且繁杂,做个笔记。泊松回归定义泊松回归(Poisson regression)是用来为计数资料和列联表建模的一种回归分析.泊松回归假设反应变量Y是泊松分布,并假设它期望值的对数可被未知参数的线性组合建模.泊松回归模型有时(特别是当用作列联表模型时)又被称作对数-线性模型.需要注意的是,对数线性模型和泊松回归模型并不完全相
转载
2023-10-10 17:40:36
160阅读
作者丨Ziyue Wu一个综合的人工智能系统应该不止能“感知”环境，还要能“推断”关系及其不确定性。深度学习在各类感知的任务中表现很不错，如图像识别，语音识别。然而概率图模型更适用于inference的工作。这篇survey提供了贝叶斯深度学习（Bayesian Deep Learning, BDL）的基本介绍以及其在推荐系统，话题模型，控制等领域的应用。本文的目录如下:1 Introductio
