Poisson या quasipoisson
काउंट्स की भविष्यवाणी के लिए Poisson रिग्रेशन की एक धारणा यह है कि जिसका आप काउंट ले रहे हैं वह इवेंट Poisson वितरित हो: प्रति यूनिट समय का औसत काउंट, काउंट के वैरिएंस के बराबर हो। व्यवहार में, "बराबर" से आशय है कि मीन और वैरिएंस का ऑर्डर ऑफ मैग्नीट्यूड मिलता-जुलता होना चाहिए।
जब वैरिएंस, मीन से बहुत बड़ा होता है, तो Poisson की धारणा लागू नहीं होती। ऐसे में एक समाधान quasipoisson रिग्रेशन है, जो यह नहीं मानता कि $variance = mean$।
नीचे दिए गए प्रत्येक परिदृश्य के लिए तय कीजिए कि Poisson रिग्रेशन उपयुक्त होगा या आपको quasipoisson रिग्रेशन इस्तेमाल करना चाहिए।
किन परिदृश्यों में आप Poisson रिग्रेशन का उपयोग कर सकते हैं?
- छात्र के अनुपस्थित रहने के दिनों की संख्या: मीन 5.9, वैरिएंस 49
- किसी छात्र द्वारा जीते गए अवॉर्ड्स की संख्या: मीन 0.6, वैरिएंस 1.1
- प्रति वेबसाइट पेज हिट्स की संख्या: मीन 108.2, वैरिएंस 108.5
- प्रति दिन किराए पर ली गई बाइक्स की संख्या: मीन 273, वैरिएंस 45863.84
यह अभ्यास पाठ्यक्रम का हिस्सा है
R में Supervised Learning: Regression
इंटरैक्टिव व्यावहारिक अभ्यास
हमारे इंटरैक्टिव अभ्यासों में से किसी एक के साथ सिद्धांत को व्यवहार में बदलें
अभ्यास शुरू करें