Statistica III - Teoria

TEST ANNIDATI

MaMa MaKaKnHa ristretto modello tranne che uguali C→ persono<KMe il corrente cavorite modello dino→, Ho Ha metto Balmeno:B By 0 VS un non:==vi. =a .+ _ .. %DI !→DI ✗DI statistica test se n: +→ a= - %.(d)h =D(il è Da il di covariante veneratore perchéDapositivo aumento numerose-lagil verosimiglianzadella ugualerestaaumentasup o- )E (✗ Kiss%=P ✗confronto p-Value→ con =o% K✗a-;+ - ., preferireSe dire devo il MaHo accetto modello più che Vuol povero• MaHa il rifiutoSe più modello propenda allora ricco per• )( Poisson DISCRETA binomiale Yse o DIDIDa-01 Da1udito AlloraSe -= =- ÌO• Ò )coesistenti diè stimaignoto Allorase• BONTÀ② PER DEL Modello LATEST1 '[ llpòs ] Dllpò )1) 1 →-2 -= , ,Ho " M "adeguatosia: "lagsufficientemente modello" disaltinoM alvicino termen supsia in -ÈD' d→statistica test : KnArkin- -vi ^ Boss-

Calcolo- il solito il edificatop-value cone, rifiutare l' ipotesiaccettarevedere✗ se opernulla> di③ ALTERNATIVO ④al testHo BhaBK.tn 0: == =. . . ÈE-Statisti FETest ↳.ua : K Ka an- - -,1)(/Da Kan --dVantaggio devo stimarenon: DaSvantaggio binariaDa Da logistica4- No→ regieper: e- . approssimabene →→ vanon piùil MaSe Fa devo Ho modellopreferiscocioèaccettare0 povero• , preferibileMarifiutoSe ricco èil modello piùHo•④ TEST PearsonStatisticaDI ADATTAMENTO di-Ho M" "adeguato: ÈÈ lidaIÈ#statistica test : K= m ^--osservazioni distima: ÈÈ jÌOEKE !× )ka;• n ;=nto mio - =vini ) ,i )"D ÈIo f.✗ cioè K• an= --µ ,l ÌÌO NÉ$stima )diA- =:¢stime di verosimiglianza^ massima: Èstatistica di Pearson~a devianzala MaMaostima basarsipuò su ($di facciopiùstima ampio attenzionemodellobasata

Micaditoiestrutturale

FORMA •• link g•funzioneSTOCASTICA di varianzaPARTE ••leVERAGE-hiit g.im { |H hanh hanmatrice di POTENTEIDEM.nxm .__ . . . -== i IGNOTA STIMAREDA;:liam _Vùtxlxtwx " Vit) ,- ii.☒ : '= ii. hmhn .)(viii. .diagdove vwtH dipenda da dadipenda BquindiWda che µ e; ) è( ¥1Altoèhii 2 i PUNTOguarda DI LEVAad allorase Ossesima> -*, , DIDISTANZA CookÈÈ :PlaDi DiApprossimata→Kt =A influenteèUn cioèpunto di specificalevaèse quellamandando: se. ,antica campione producoè osservazione dal un• cambiamentoentrambiè stimenellesensibile•Outlltth ZZATInegli riferimentodiresiduiSi quelli studentiiproceda LM sonocane , )( grossolanasoglia regola2 := ferialiBonUtilizzo dicorrezioneUNEARLTÀ È F)( ÀPlot entrano lee nella ✗, (GoÉà linearitàharpdaute andamento dellevedo linearesee un)predittivaesplicative rispetto

TRASFORMOlo èalla se non→ : ESPLICATIVETrasformazioni SIGNIFICATIVITÀ/TEST DI WALD: ;]À(di modello atacanarinuovacon una ilsignificativo modellodirevuol chepotenzelepsnewSe servono e→• lineareha problema perché predittoreil Nonun contributo rispostadovrebbe significativo alladare un linearitàfosse davverocisesignificativo patenteBnew laservonoSe nonnon →• È→ )MiMÌ ÈÈ( È 9) ! )LINK (NOT y+con µ ... = _ JMI,Se favorerettilineoandamento linkdel èchepropenda stato usatoAllora a ,altrimenti link è ottimalequelloilchedirevuol usato nonFUNZONEDIVAMANZAIJPUOTHii.li )) lui "" coordinate da vedere graficoli sulsonoo ,Èstata divariareal µCOSTANTE ttiSe al favorevoleVariareè alladiCOSTANTEla alloraDispersione sonoèfunzione di usata nel modelloche statavarianzaE) normalitàverificare rilevare diQQ Plot la gruppiper pernon ma,punti

altripiù dagli meglioaltrelontani indaginipoi capireper→ conVIET ) NBOIiE) ( È "PLOT al Poissonsololidiposto per:,R) so puntii interpretazioneIV singoliquando analoga opproxLMal ma,hiiha indagineMagari stranoapprofondita diha nullaalto conma nonBINOMIAL REGRESSIONI dicotomicherisposta- )( di cataridiateipaterni valoricombinazioni dinumerom ( MI patternitenneroA . . . unità delledi coiariatepatternstatistiche ino esimomi con -È campionedelampiezzaniM = Ylavoratori ✗licenziatoAaa ¥on [→ non= ↳ 1 licenziatola è denney✗ 2codaalta m: =}femmine54Ma = mi46 maschiha = giovani ÌÌ@Se etàcoronataaggiungesse 3*2=6nnmaturi =3nnuna =anzianifemmine giovaninn {= fammi matureMz e= mii:Mo maschi anziani= )(Se l' età fosse cantina Adonidieci Ma MnooMn Ma ..... ..,BINOMIALE =/ Yiluimi " mi mi" (È ;) - de;)flyi eµa-µ= ,yimi,È UTÈ )(✗ BinomialeRELATIVA ~FREQ mimi== . ,mi

È IiÈSyi a0 == , .. ., ,, { }Sy binariaallorase regioneA ami 0== ,SPECIFICAZIONE DEORESSIONbinomialelui NONYi Hui )BinomialeN• , ,dare : loglogit MEDIAOi FunzioneINVERSA dellaDellaMi= = ¥È) dove hHd 0=1 e == ÈÈ / )Van luiHi V Milani) =D== Mi =è )(lag) )toi Clai ateoFUNZIONE MEDIADELLAµ = =)lui MiLINK• g = /lui lagit)gluCANONICOLINK Mi→ ==UNK ALTERNATIVI→ ÈIii loglogempiricaad UNA : = Yi 1Mimi +-ALTERNATIVILINK :)( Mi funzione ripartizionese diqualcheè☐Mi g- =D g- una=) EIR10,1 frc- . prositlink• A)E funzioneF Nodi ripartizione di= ," )☒ Mi) luiOI-miMi =D ==