![[読会]Logistic regression models for aggregated data](https://cdn.slidesharecdn.com/ss_thumbnails/logisticregressionmodelsforaggregateddata-211229094148-thumbnail.jpg?width=640&height=640&fit=bounds)
2 5 2.一般化線形モデル色々_ロジスティック回帰
- 1.
- 2.
- 3.
- 4.
- 5. 5 二項分布 あるなし（０，１）データ →結果が二つしかないから二項分布 ○○すると、××になる確率は何倍に増えるか？ →喫煙した人としない人では死亡率が何倍違う？ 𝑛 𝑘 𝑝 𝑘 1 −𝑘 𝑝 n回の試行のうちk回成功する確率 n回コインを投げてk回表になる確率（一枚投げて表になる確率はp）
- 6. 6 リンク関数 log 𝑝 1 − 𝑝 =𝑎𝑋 + 𝑏 ロジット (logit) p：成功確率（コインが表になる、死ぬ） →成功じゃなくても成功確率…
- 7. 7 log 𝑝 1 − 𝑝 =対数オッズ ロジット (logit) リンク関数 𝑝 1 − 𝑝 ＝オッズ
- 8. 8 オッズ リンク関数 3 4 1 − 3 4 = 3 4 1 4 =3 p=3/4の場合 成功確率 3/4 失敗確率 1/4 何倍成功するか 𝑝 1 − 𝑝 失敗確率 成功確率
- 9.
- 10. 10 リンク関数 log 𝑝 1 − 𝑝 =𝑎𝑋 + 𝑏 ロジット (logit) 𝑝 1 − 𝑝 = 𝑒 𝑎𝑋 × 𝑒 𝑏 Xが1増えるとオッズは𝒆 𝒂 倍に変化
- 11. 11 リンク関数 log 𝑝 1 − 𝑝 =𝑎𝑋 + 𝑏 ロジット (logit) Xが1増えるとオッズは𝒆 𝒂 倍に変化 質問どうぞ！ オッズ＝３の場合 失敗するより３倍成功しやすい 成功確率 失敗確率
- 12.
- 13.
- 14.
- 15. 15 過分散 過分散のみつけかた Null deviance: 671.96on 13 degrees of freedom Residual deviance: 112.57 on 8 degrees of freedom summary(model.binom_1) 自由度に比べて devianceが大きすぎる やや粗い見分け方 予測区間を出すのが最も正確（しかし面倒）
- 16.
- 17.