residual 를 추정된 standard error 으로 나눈 값
-
1 min read
residual ei 를 추정된 standard error 으로 나눈 값
-
그러나 이 방법보다는 studentized residuals 을 그려봄으로써 outlier 를 찾을 수 있다. Observations whose studentized residuals are greater than 3 in absolut...
...므로, 평균은 반드시 (p+1)/n 이다 (p 는 모델 계수의 개수). 그러므로, (p+1)/n 이상인 hᵢ 를 지닌 데이터는 높은 leverage 인 확률이 높다. 일반적으로 studentized residuals 과 함께 표시해서 outlier 를 조사함과 동시에 leverage 의 정도도 조사한다.
데이터 (observation) 의 leverage 를 측정하기 위한 방법 simple linear regression 의 경우, \displaystyle h {i}=\frac{1}{n}+\frac{\left(x {i}-\bar{x}\right)^{2}}{\sum {i^{\prime}=1}^{n}\left(x...
표준 오차란, 표본 집단에서 계산할 수 있는 통계 (e.g. 평균) 를 여러번 계산했을 때, 모집단에서 계산할 수 있는 통계와의 편차의 정도를 의미한다. 정의에서 보아도 알 수 있듯이 당연하게도 모평균의 표준오차라는 말은 존재하지 않는다.
관측된 값과 추정된 값의 차이를 의미한다. 여기서 추정된 값은 표본집단과 같은 곳에서 구해지는 estimated value 를 의미한다. Vs. Error error 는 실제 값과 관측된 값의 차이를 의미한다.
y 축은 residual e {i}=y {i}-\hat{y} {i} 이고, x 축 \hat{y} {i} 인 그래프 예시 아래 그림에서 residual plot 은 U- 모양을 그리고 있다. 이는 데이터가 non-linearity 를 보인다는 증거가 된다.
estimation 과 실제 값의 차이의 제곱에 대한 합을 나타낸다.
\displaystyle F=\frac{(\mathrm{TSS}-\mathrm{RSS})/p}{\mathrm{RSS}/(n-p-1)} p 는 coefficient 개수, n 은 sample 개수 .
상대도수는 사건이 무한히 반복 가능할 때, 내가 관심 있는 사건의 상대적인 빈도를 뜻한다.
outlier is a point for which y i is far from the value predicted by the model.
x 축의 단위가 평균의 표준 편차로 표현되는 정규 분포를 의미하며, 이 분포는 평균이 0 이고, 표준편차가 1 인 값을 가진다.
많은 변수에 대한 확률 분포를 joint probability distribution 이라고 한다.