Documente Academic
Documente Profesional
Documente Cultură
{
z= 1,caz de succes
0,caz de esec
P(z=1)=
P(z=0)=1-
(*) = f ( s ) ds , unde f ( s ) 0.
1) Modelul probit;
2
(sm)
f ( s ) - densitatea normala, 1 2
2
Alegem f ( s )= e si ne dorim
2
realizarea unui model de forma:
(1) g ( ) = 0+ 1 x , unde g= functia de legatura (link) si x-variabila
predictoare;
In cazul modelului liniar functia de legatura este functia identica.
Modelul (2) este primul tip de model si mai este cunoscut sub numele de
modelul doza-raspuns.
2) Modelul logit;
3) Modelul C log-log.
1
In cazul modelelor binomial modelam probabiliatetea (probabilitatea de
succes a evenimentului) prin intermediul celor 3 functii. Prin urmare vom
avea 3 modele de modele binomiale(logiste).
Realizarea in R:
Aplicatie:
> library(faraway)
1 2 28 0
2 8 22 1
3 15 15 2
4 23 7 3
5 27 3 4
2
> mbl<-glm(cbind(dead,alive)~conc,binomial)
> mbp<-glm(cbind(dead,alive)~conc,binomial(link=probit))
> mbc<-glm(cbind(dead,alive)~conc,binomial(link=cloglog))
1 2 3 4 5
1 2 3 4 5
> predict(mbl,type="response")*(dead+alive)
1 2 3 4 5
> data.frame(m1=fitted(mbl),m2=fitted(mbp),m3=fitted(mbc))
m1 m2 m3
3
Afisam prin intermediul unei data.frame succesurile observate si succesele
ajustate de cele 3 modele:
>data.frame(val.obs=dead,vaj1=fitted(mbl)*(dead+alive),vaj2=fitted(mbp)*
(dead+alive),vaj3=fitted(mbc)*(dead+alive))
(Intercept)
3.89107
> library(MASS)
> dose.p(mbl,p=c(0.5,0.9))
Dose SE
Dorim sa facem predictii pentru date care nu fac parte din model.
Pentru a vedea care este predictia pentru concentratia 5 folosim:
> nou<-data.frame(conc=5)
> predict(mbl,nou,type="response")
0.9702777
> predict(mbl,nou,type="response")*(dead+alive)
4
[1] 29.10833 29.10833 29.10833 29.10833 29.10833
> summary(mbl)
Call:
Deviance Residuals:
1 2 3 4 5
Coefficients:
---
AIC: 20.854
5
> drog <- gl(2,4,8, labels = c("yes","no"))
5 25-34 no 1 17159
6 35-44 no 14 12522
7 45-54 no 32 6010
8 55-64 no 34 3085
> mb<-glm(cbind(decedat,esantion-decedat)~age+drog,binomial)
> summary(mb)
Call:
family = binomial)
Deviance Residuals:
1 2 3 4 5 6 7 8
Coefficients:
6
age55-64 3.5780 0.1803 19.843 < 2e-16 ***
---
AIC: 60.661
> anova(mb,test="Chisq")
NULL 7 754.10
---