Poisson หรือ quasipoisson
ข้อสมมติฐานหนึ่งของ Poisson regression สำหรับการทำนายการนับคือ เหตุการณ์ที่นับต้องมีการกระจายแบบ Poisson กล่าวคือ ค่าเฉลี่ยของการนับต่อหน่วยเวลาต้องเท่ากับความแปรปรวนของการนับ ในทางปฏิบัติ "เท่ากัน" หมายความว่าค่าเฉลี่ยและความแปรปรวนควรอยู่ในอันดับของขนาดที่ใกล้เคียงกัน
เมื่อความแปรปรวนสูงกว่าค่าเฉลี่ยมาก ข้อสมมติฐานของ Poisson ไม่เป็นจริง วิธีแก้ปัญหาหนึ่งคือใช้ quasipoisson regression ซึ่งไม่ได้กำหนดว่า \(variance = mean\)
สำหรับแต่ละสถานการณ์ต่อไปนี้ ให้พิจารณาว่าควรใช้ Poisson regression หรือ quasipoisson regression
สถานการณ์ใดบ้างที่สามารถใช้ Poisson regression ได้?
- จำนวนวันที่นักเรียนขาดเรียน: ค่าเฉลี่ย 5.9, ความแปรปรวน 49
- จำนวนรางวัลที่นักเรียนได้รับ: ค่าเฉลี่ย 0.6, ความแปรปรวน 1.1
- จำนวนการเข้าชมต่อหน้าเว็บไซต์: ค่าเฉลี่ย 108.2, ความแปรปรวน 108.5
- จำนวนจักรยานที่เช่าต่อวัน: ค่าเฉลี่ย 273, ความแปรปรวน 45,863.84
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Supervised Learning ใน R: การถดถอย
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำจริง
เปลี่ยนทฤษฎีให้เป็นการลงมือทำด้วยแบบฝึกหัดเชิงโต้ตอบหนึ่งในของเรา
เริ่มแบบฝึกหัด