| http://dbpedia.org/ontology/abstract
|
En statistiques, le modèle linéaire généra … En statistiques, le modèle linéaire généralisé (MLG) souvent connu sous les initiales anglaises GLM est une généralisation souple de la régression linéaire. Le GLM généralise la régression linéaire en permettant au modèle linéaire d'être relié à la variable réponse via une fonction lien et en autorisant l'amplitude de la variance de chaque mesure d'être une fonction de sa valeur prévue, en fonction de la loi choisie. Formellement, où est l'espérance mathématique de conditionnelle à ; est le prédicteur linéaire, c'est-à-dire une combinaison linéaire des variables explicatives, et où est une fonction monotone appelée fonction de lien. De plus où est appelée fonction variance, qui dépend la loi (au sein de la famille exponentielle) La théorie des modèles linéaires généralisés a été formulée par John Nelder et (en) comme un moyen d'unifier les autres modèles statistiques y compris la régression linéaire, la régression logistique et la régression de Poisson. Ils proposent une méthode itérative dénommée méthode des (en) pour l'estimation du maximum de vraisemblance des paramètres du modèle. L'estimation du maximum de vraisemblance reste populaire et est la méthode par défaut dans de nombreux logiciels de calculs statistiques. D'autres approches incluant les statistiques bayésiennes et la méthode des moindres carrés convenant aux réponses à variance stabilisées, ont été développées.variance stabilisées, ont été développées.
, في الإحصاء، النموذج الخطي المعمم هو تعميم … في الإحصاء، النموذج الخطي المعمم هو تعميم مرن من الانحدار الخطي العادي الذي يسمح للمتغيرات التي لديها أخطاء في نماذج توزيع أخرى من التوزيع الطبيعي. ويعمم الانحدار الخطي من خلال السماح النموذج الخطي يجب أن تكون متصلة متغير الاستجابة عن طريق دالة الاتصال وذلك بالسماح بمقدار التباين في كل قياس لتكون دالة من قيمته المتوقعة. صيغت النماذج الخطية المعممة من قبل جون نيلدور وروبرت ويديربون كوسيلة لتوحيد نماذج إحصائية أخرى مختلفة، بما في ذلك الانحدار الخطي، والانحدار اللوجستي وانحدار بواسون. واقترحوا طريقة المربعات الصغرى المتكرره للحصول على أقصى تقدير احتمال للنموذج. يبقى تقدير الحد الأقصى الأكثر شيوعاً، والأسلوب الافتراضي على العديد من حزم الحوسبة الإحصائية. المناهج الأخرى، بما في ذلك النهج النظرية الافتراضية والمربعات يناسب لتباين الردود، تم وضعها.ة والمربعات يناسب لتباين الردود، تم وضعها.
, I modelli lineari generalizzati (GLM) sono … I modelli lineari generalizzati (GLM) sono una generalizzazione del più classico nell'ambito della regressione lineare. Mentre nel modello lineare classico si ipotizza che la variabile endogena sia distribuita in modo normale, nell'ambito dei modelli lineari generalizzati la variabile endogena può essere distribuita come una qualsiasi variabile casuale della famiglia esponenziale e dunque, oltre alla variabile casuale normale anche le variabili casuali binomiale, poissoniana, gamma, normale inversa e altre. I modelli lineari generalizzati vennero formulati da John Nelder e Robert Wedderburncome un modo per uniformare all'interno di un unico modello diversi altri modelli statistici, compreso il modello lineare, le regressione logistica e la .Riesce in questo modo a incorporare anche altri modelli.to modo a incorporare anche altri modelli.
, En estadística, el modelo lineal generaliz … En estadística, el modelo lineal generalizado (GLM) es una generalización flexible de la regresión lineal ordinaria que permite variables de respuesta que tienen modelos de distribución de errores distintos de una distribución normal. El GLM generaliza la regresión lineal al permitir que el modelo lineal esté relacionado con la variable de respuesta a través de una función de enlace y al permitir que la magnitud de la varianza de cada medición sea una función de su valor predicho. y formularon modelos lineales generalizados como una forma de unificar otros modelos estadísticos, como la regresión lineal, la regresión logística y la regresión de Poisson. Propusieron un método de mínimos cuadrados iterativamente ponderados para la estimación de máxima verosimilitud de los parámetros del modelo. La estimación de máxima verosimilitud sigue siendo popular y es el método predeterminado en muchos paquetes de computación estadística. Se han desarrollado otros enfoques, incluidos los enfoques bayesianos y los ajustes de mínimos cuadrados a las respuestas estabilizadas de la varianza.s respuestas estabilizadas de la varianza.
, В статистике обобщенная линейная модель (О … В статистике обобщенная линейная модель (ОЛМ) представляет собой гибкое обобщение классической линейной регрессии, которое позволяет использовать , имеющие , отличные от нормального распределения. ОЛМ обобщает линейную регрессию, позволяя линейной модели быть связанной с через функцию, линейные модели были сформулированы и как способ объединения различных других статистических моделей, включая линейную регрессию, логистическую регрессию и . Они предложили метод наименьших квадратов для оценки максимального правдоподобия параметров модели. Оценка максимального правдоподобия остаётся популярной и является методом по умолчанию во многих . Были разработаны и другие подходы, в том числе и методы наименьших квадратов для получения стабилизированных по дисперсии ответов.ия стабилизированных по дисперсии ответов.
, Em estatística, o modelo linear generaliza … Em estatística, o modelo linear generalizado (MLG) é uma generalização flexível da regressão linear ordinária que permite variáveis de resposta que têm modelos de distribuição de erro diferentes de uma distribuição normal. O MLG generaliza a regressão linear permitindo que o modelo linear seja relacionado à variável de resposta por meio de uma função de ligação e permitindo que a magnitude da variância de cada medição seja uma função de seu valor previsto. Modelos lineares generalizados foram formulados por John Nelder e como forma de unificar vários outros modelos estatísticos, incluindo a regressão linear, a regressão logística e a regressão de Poisson. Eles propuseram um método de mínimos quadrados reponderados iterativamente para estimativa de máxima verossimilhança dos parâmetros do modelo. A estimativa de verossimilhança máxima continua popular e é o método padrão em muitos pacotes de computação estatística. Outras abordagens foram desenvolvidas, incluindo e ajustes de mínimos quadrados a respostas de .stes de mínimos quadrados a respostas de .
, 一般化線形モデル (いっぱんかせんけいモデル、英: Generalized linear model、GLM)は、残差を任意の分布とした線形モデル。似たものとして一般線形モデルがあるが、これは残差が多変量正規分布に従うモデル。一般化線形モデルには線形回帰、、ロジスティック回帰などが含まれる。1972年にネルダーとウェダーバーンによって提唱された。
, 在統計學上，廣義線性模型（英語：generalized linear model，缩写作 GLM）是一種應用灵活的線性迴歸模型。该模型允许因变量的偏差分布有除了正态分布之外的其它分布。此模型假設實驗者所量測的隨機變數的分佈函數與實驗中系統性效應（即非隨機的效應）可經由一（link function）建立可解釋其相關性的函數。 與在1989年出版，被視為廣義線性模式的代表性文獻中提綱挈領地說明了廣義線性模式的原理、計算（如最大概似估計量）及其實務應用。
, In statistics, a generalized linear model … In statistics, a generalized linear model (GLM) is a flexible generalization of ordinary linear regression. The GLM generalizes linear regression by allowing the linear model to be related to the response variable via a link function and by allowing the magnitude of the variance of each measurement to be a function of its predicted value. Generalized linear models were formulated by John Nelder and Robert Wedderburn as a way of unifying various other statistical models, including linear regression, logistic regression and Poisson regression. They proposed an iteratively reweighted least squares method for maximum likelihood estimation (MLE) of the model parameters. MLE remains popular and is the default method on many statistical computing packages. Other approaches, including Bayesian regression and least squares fitting to variance stabilized responses, have been developed.stabilized responses, have been developed.
, Verallgemeinerte lineare Modelle (VLM), au … Verallgemeinerte lineare Modelle (VLM), auch generalisierte lineare Modelle (GLM oder GLiM) sind in der Statistik eine von John Nelder und Robert Wedderburn (1972) eingeführte wichtige Klasse von nichtlinearen Modellen, die eine Verallgemeinerung des klassischen linearen Regressionsmodells in der Regressionsanalyse darstellt.Von spezieller Bedeutung ist die Verwendung einer nichtlinearen Kopplungsfunktion.Während man in klassischen linearen Modellen annimmt, dass die Störgröße (die unbeobachtbare Zufallskomponente) normalverteilt ist, kann sie in GLMs eine Verteilung aus der Klasse der Exponentialfamilie besitzen. Diese Verteilungsklasse beinhaltet neben der Normalverteilung auch die Binomial-, Poisson-, Gamma- und inverse Gaußverteilung. Damit bietet die Verwendung der Exponentialfamilie in verallgemeinerten linearen Modellen ein einheitliches Rahmenwerk für diese Verteilungen. Die große Klasse von (englisch vector generalized linear models, kurz VGLMs) beinhaltet die Klasse der verallgemeinerten linearen Modelle als Spezialfall. Ebenso in dieser großen Modellklasse enthalten sind loglineare Modelle für kategoriale Daten und das Modell der Poisson-Regression für Zähldaten. Um die Einschränkungen der verallgemeinerten linearen Modelle und verallgemeinerten additiven Modelle zu überwinden, wurden sogenannte Verallgemeinerte additive Modelle für Lage-, Skalen- und Formparameter entwickelt.ge-, Skalen- und Formparameter entwickelt.
|
| http://dbpedia.org/ontology/wikiPageID
|
747122
|
| http://dbpedia.org/ontology/wikiPageLength
|
31812
|
| http://dbpedia.org/ontology/wikiPageRevisionID
|
1118341387
|
| http://dbpedia.org/ontology/wikiPageWikiLink
|
http://dbpedia.org/resource/Mixed_model +
, http://dbpedia.org/resource/Conditional_expectation +
, http://dbpedia.org/resource/Newton%27s_method_in_optimization +
, http://dbpedia.org/resource/General_linear_model +
, http://dbpedia.org/resource/Likelihood +
, http://dbpedia.org/resource/Iterative_method +
, http://dbpedia.org/resource/Exponential_distribution +
, http://dbpedia.org/resource/Gibbs_sampling +
, http://dbpedia.org/resource/Boca_Raton +
, http://dbpedia.org/resource/Uncorrelated +
, http://dbpedia.org/resource/Posterior_distribution +
, http://dbpedia.org/resource/Robert_Wedderburn_%28statistician%29 +
, http://dbpedia.org/resource/Gamma_distribution +
, http://dbpedia.org/resource/Category:Actuarial_science +
, http://dbpedia.org/resource/Multinomial_logit +
, http://dbpedia.org/resource/Range_of_a_function +
, http://dbpedia.org/resource/Multinomial_probit +
, http://dbpedia.org/resource/Smoothing +
, http://dbpedia.org/resource/Normal_distribution +
, http://dbpedia.org/resource/Generalized_linear_mixed_model +
, http://dbpedia.org/resource/Exponential_dispersion_model +
, http://dbpedia.org/resource/Log-linear_model +
, http://dbpedia.org/resource/Longitudinal_studies +
, http://dbpedia.org/resource/Maximum_likelihood +
, http://dbpedia.org/resource/Variance_function +
, http://dbpedia.org/resource/Variance-stabilizing_transformation +
, http://dbpedia.org/resource/Score_%28statistics%29 +
, http://dbpedia.org/resource/Category:Generalized_linear_models +
, http://dbpedia.org/resource/Sufficiency_%28statistics%29 +
, http://dbpedia.org/resource/Generalized_additive_model +
, http://dbpedia.org/resource/Natural_logarithm +
, http://dbpedia.org/resource/Generalized_estimating_equation +
, http://dbpedia.org/resource/Random_variable +
, http://dbpedia.org/resource/Probability_distributions +
, http://dbpedia.org/resource/Odds_ratio +
, http://dbpedia.org/resource/Statistics +
, http://dbpedia.org/resource/John_Nelder +
, http://dbpedia.org/resource/Ordinal_regression +
, http://dbpedia.org/resource/Least_squares_fitting +
, http://dbpedia.org/resource/Laplace_approximation +
, http://dbpedia.org/resource/Inverse_Gaussian_distribution +
, http://dbpedia.org/resource/Markov_chain_Monte_Carlo +
, http://dbpedia.org/resource/Bayesian_regression +
, http://dbpedia.org/resource/Logistic_regression +
, http://dbpedia.org/resource/Huber%E2%80%93White_standard_errors +
, http://dbpedia.org/resource/Random_effects +
, http://dbpedia.org/resource/Linear_regression +
, http://dbpedia.org/resource/Iteratively_reweighted_least_squares +
, http://dbpedia.org/resource/Level_of_measurement +
, http://dbpedia.org/resource/One-to-one_function +
, http://dbpedia.org/resource/Expected_value +
, http://dbpedia.org/resource/Linear_probability_model +
, http://dbpedia.org/resource/Hessian_matrix +
, http://dbpedia.org/resource/Scoring_algorithm +
, http://dbpedia.org/resource/Domain_of_a_function +
, http://dbpedia.org/resource/Bayesian_probability +
, http://dbpedia.org/resource/Probability_mass_function +
, http://dbpedia.org/resource/Category:Regression_models +
, http://dbpedia.org/resource/Cumulative_distribution_function +
, http://dbpedia.org/resource/Least-squares +
, http://dbpedia.org/resource/Density_function +
, http://dbpedia.org/resource/Probit_model +
, http://dbpedia.org/resource/Fisher_information +
, http://dbpedia.org/resource/Asymptotic +
, http://dbpedia.org/resource/Greek_alphabet +
, http://dbpedia.org/resource/Discrete_distribution +
, http://dbpedia.org/resource/Maximum_likelihood_estimation +
, http://dbpedia.org/resource/Logarithm +
, http://dbpedia.org/resource/Eta_%28letter%29 +
, http://dbpedia.org/resource/Linear_combination +
, http://dbpedia.org/resource/Dependent_variable +
, http://dbpedia.org/resource/Exponential_family +
, http://dbpedia.org/resource/Correlation +
, http://dbpedia.org/resource/Multilevel_model +
, http://dbpedia.org/resource/Overdispersion +
, http://dbpedia.org/resource/Closed-form_expression +
, http://dbpedia.org/resource/Logit +
, http://dbpedia.org/resource/Poisson_distribution +
, http://dbpedia.org/resource/Observed_information +
, http://dbpedia.org/resource/Ordered_probit +
, http://dbpedia.org/resource/Multinomial_distribution +
, http://dbpedia.org/resource/Ordered_logit +
, http://dbpedia.org/resource/Categorical_distribution +
, http://dbpedia.org/resource/Multinomial_logistic_regression +
, http://dbpedia.org/resource/Poisson_regression +
, http://dbpedia.org/resource/Count_data +
, http://dbpedia.org/resource/Prior_distribution +
, http://dbpedia.org/resource/Bernoulli_distribution +
, http://dbpedia.org/resource/Canonical_form +
, http://dbpedia.org/resource/Probability_distribution +
, http://dbpedia.org/resource/Multiplicative_inverse +
, http://dbpedia.org/resource/Binomial_distribution +
, http://dbpedia.org/resource/Exponential_families +
, http://dbpedia.org/resource/Gauss%E2%80%93Markov_theorem +
, http://dbpedia.org/resource/Quasi-likelihood +
, http://dbpedia.org/resource/Ordinal_data +
|
| http://dbpedia.org/property/wikiPageUsesTemplate
|
http://dbpedia.org/resource/Template:Cite_book +
, http://dbpedia.org/resource/Template:Short_description +
, http://dbpedia.org/resource/Template:See_also +
, http://dbpedia.org/resource/Template:Further +
, http://dbpedia.org/resource/Template:Sfn +
, http://dbpedia.org/resource/Template:Reflist +
, http://dbpedia.org/resource/Template:Distinguish +
, http://dbpedia.org/resource/Template:Commons_category-inline +
, http://dbpedia.org/resource/Template:Refend +
, http://dbpedia.org/resource/Template:Refbegin +
, http://dbpedia.org/resource/Template:Authority_control +
, http://dbpedia.org/resource/Template:Statistics +
, http://dbpedia.org/resource/Template:Visible_anchor +
, http://dbpedia.org/resource/Template:Annotated_link +
, http://dbpedia.org/resource/Template:Regression_bar +
|
| http://purl.org/dc/terms/subject
|
http://dbpedia.org/resource/Category:Actuarial_science +
, http://dbpedia.org/resource/Category:Generalized_linear_models +
, http://dbpedia.org/resource/Category:Regression_models +
|
| http://purl.org/linguistics/gold/hypernym
|
http://dbpedia.org/resource/Generalization +
|
| http://www.w3.org/ns/prov#wasDerivedFrom
|
http://en.wikipedia.org/wiki/Generalized_linear_model?oldid=1118341387&ns=0 +
|
| http://xmlns.com/foaf/0.1/isPrimaryTopicOf
|
http://en.wikipedia.org/wiki/Generalized_linear_model +
|
| owl:differentFrom |
http://dbpedia.org/resource/General_linear_model +
, http://dbpedia.org/resource/Generalized_least_squares +
|
| owl:sameAs |
http://ru.dbpedia.org/resource/%D0%9E%D0%B1%D0%BE%D0%B1%D1%89%D1%91%D0%BD%D0%BD%D0%B0%D1%8F_%D0%BB%D0%B8%D0%BD%D0%B5%D0%B9%D0%BD%D0%B0%D1%8F_%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D1%8C +
, http://rdf.freebase.com/ns/m.037yh3 +
, http://fa.dbpedia.org/resource/%D9%85%D8%AF%D9%84_%D8%AE%D8%B7%DB%8C_%D8%AA%D8%B9%D9%85%DB%8C%D9%85%E2%80%8C%DB%8C%D8%A7%D9%81%D8%AA%D9%87 +
, http://hu.dbpedia.org/resource/%C3%81ltal%C3%A1nos%C3%ADtott_line%C3%A1ris_modell +
, http://fr.dbpedia.org/resource/Mod%C3%A8le_lin%C3%A9aire_g%C3%A9n%C3%A9ralis%C3%A9 +
, http://pt.dbpedia.org/resource/Modelo_linear_generalizado +
, http://ja.dbpedia.org/resource/%E4%B8%80%E8%88%AC%E5%8C%96%E7%B7%9A%E5%BD%A2%E3%83%A2%E3%83%87%E3%83%AB +
, http://ar.dbpedia.org/resource/%D8%A7%D9%84%D9%86%D9%85%D9%88%D8%B0%D8%AC_%D8%A7%D9%84%D8%AE%D8%B7%D9%8A_%D8%A7%D9%84%D9%85%D8%B9%D9%85%D9%85 +
, http://de.dbpedia.org/resource/Verallgemeinerte_lineare_Modelle +
, http://dbpedia.org/resource/Generalized_linear_model +
, http://www.wikidata.org/entity/Q1501882 +
, http://it.dbpedia.org/resource/Modello_lineare_generalizzato +
, http://es.dbpedia.org/resource/Modelo_lineal_generalizado +
, http://zh.dbpedia.org/resource/%E5%BB%A3%E7%BE%A9%E7%B7%9A%E6%80%A7%E6%A8%A1%E5%9E%8B +
, http://yago-knowledge.org/resource/Generalized_linear_model +
, http://ms.dbpedia.org/resource/Model_linear_teritlak +
, https://global.dbpedia.org/id/WiAE +
, http://fi.dbpedia.org/resource/Yleistetty_lineaarinen_malli +
|
| rdf:type |
http://dbpedia.org/class/yago/Object100002684 +
, http://dbpedia.org/class/yago/Whole100003553 +
, http://dbpedia.org/class/yago/LivingThing100004258 +
, http://dbpedia.org/class/yago/Organism100004475 +
, http://dbpedia.org/class/yago/CausalAgent100007347 +
, http://dbpedia.org/class/yago/Worker109632518 +
, http://dbpedia.org/class/yago/WikicatGeneralizedLinearModels +
, http://dbpedia.org/class/yago/Model110324560 +
, http://dbpedia.org/class/yago/YagoLegalActorGeo +
, http://dbpedia.org/class/yago/YagoLegalActor +
, http://dbpedia.org/class/yago/WikicatStatisticalModels +
, http://dbpedia.org/class/yago/PhysicalEntity100001930 +
, http://dbpedia.org/class/yago/Person100007846 +
, http://dbpedia.org/class/yago/Assistant109815790 +
|
| rdfs:comment |
En statistiques, le modèle linéaire généra … En statistiques, le modèle linéaire généralisé (MLG) souvent connu sous les initiales anglaises GLM est une généralisation souple de la régression linéaire. Le GLM généralise la régression linéaire en permettant au modèle linéaire d'être relié à la variable réponse via une fonction lien et en autorisant l'amplitude de la variance de chaque mesure d'être une fonction de sa valeur prévue, en fonction de la loi choisie. Formellement, où est appelée fonction variance, qui dépend la loi (au sein de la famille exponentielle) loi (au sein de la famille exponentielle)
, В статистике обобщенная линейная модель (О … В статистике обобщенная линейная модель (ОЛМ) представляет собой гибкое обобщение классической линейной регрессии, которое позволяет использовать , имеющие , отличные от нормального распределения. ОЛМ обобщает линейную регрессию, позволяя линейной модели быть связанной с через функцию, линейные модели были сформулированы и как способ объединения различных других статистических моделей, включая линейную регрессию, логистическую регрессию и . Они предложили метод наименьших квадратов для оценки максимального правдоподобия параметров модели. Оценка максимального правдоподобия остаётся популярной и является методом по умолчанию во многих . Были разработаны и другие подходы, в том числе и методы наименьших квадратов для получения стабилизированных по дисперсии ответов.ия стабилизированных по дисперсии ответов.
, In statistics, a generalized linear model … In statistics, a generalized linear model (GLM) is a flexible generalization of ordinary linear regression. The GLM generalizes linear regression by allowing the linear model to be related to the response variable via a link function and by allowing the magnitude of the variance of each measurement to be a function of its predicted value.t to be a function of its predicted value.
, Em estatística, o modelo linear generaliza … Em estatística, o modelo linear generalizado (MLG) é uma generalização flexível da regressão linear ordinária que permite variáveis de resposta que têm modelos de distribuição de erro diferentes de uma distribuição normal. O MLG generaliza a regressão linear permitindo que o modelo linear seja relacionado à variável de resposta por meio de uma função de ligação e permitindo que a magnitude da variância de cada medição seja uma função de seu valor previsto.ção seja uma função de seu valor previsto.
, En estadística, el modelo lineal generaliz … En estadística, el modelo lineal generalizado (GLM) es una generalización flexible de la regresión lineal ordinaria que permite variables de respuesta que tienen modelos de distribución de errores distintos de una distribución normal. El GLM generaliza la regresión lineal al permitir que el modelo lineal esté relacionado con la variable de respuesta a través de una función de enlace y al permitir que la magnitud de la varianza de cada medición sea una función de su valor predicho.ción sea una función de su valor predicho.
, I modelli lineari generalizzati (GLM) sono … I modelli lineari generalizzati (GLM) sono una generalizzazione del più classico nell'ambito della regressione lineare. Mentre nel modello lineare classico si ipotizza che la variabile endogena sia distribuita in modo normale, nell'ambito dei modelli lineari generalizzati la variabile endogena può essere distribuita come una qualsiasi variabile casuale della famiglia esponenziale e dunque, oltre alla variabile casuale normale anche le variabili casuali binomiale, poissoniana, gamma, normale inversa e altre.issoniana, gamma, normale inversa e altre.
, 一般化線形モデル (いっぱんかせんけいモデル、英: Generalized linear model、GLM)は、残差を任意の分布とした線形モデル。似たものとして一般線形モデルがあるが、これは残差が多変量正規分布に従うモデル。一般化線形モデルには線形回帰、、ロジスティック回帰などが含まれる。1972年にネルダーとウェダーバーンによって提唱された。
, Verallgemeinerte lineare Modelle (VLM), au … Verallgemeinerte lineare Modelle (VLM), auch generalisierte lineare Modelle (GLM oder GLiM) sind in der Statistik eine von John Nelder und Robert Wedderburn (1972) eingeführte wichtige Klasse von nichtlinearen Modellen, die eine Verallgemeinerung des klassischen linearen Regressionsmodells in der Regressionsanalyse darstellt.Von spezieller Bedeutung ist die Verwendung einer nichtlinearen Kopplungsfunktion.Während man in klassischen linearen Modellen annimmt, dass die Störgröße (die unbeobachtbare Zufallskomponente) normalverteilt ist, kann sie in GLMs eine Verteilung aus der Klasse der Exponentialfamilie besitzen. Diese Verteilungsklasse beinhaltet neben der Normalverteilung auch die Binomial-, Poisson-, Gamma- und inverse Gaußverteilung. Damit bietet die Verwendung der Exponentialfamilie tet die Verwendung der Exponentialfamilie
, 在統計學上，廣義線性模型（英語：generalized linear model，缩写作 GLM）是一種應用灵活的線性迴歸模型。该模型允许因变量的偏差分布有除了正态分布之外的其它分布。此模型假設實驗者所量測的隨機變數的分佈函數與實驗中系統性效應（即非隨機的效應）可經由一（link function）建立可解釋其相關性的函數。 與在1989年出版，被視為廣義線性模式的代表性文獻中提綱挈領地說明了廣義線性模式的原理、計算（如最大概似估計量）及其實務應用。
, في الإحصاء، النموذج الخطي المعمم هو تعميم … في الإحصاء، النموذج الخطي المعمم هو تعميم مرن من الانحدار الخطي العادي الذي يسمح للمتغيرات التي لديها أخطاء في نماذج توزيع أخرى من التوزيع الطبيعي. ويعمم الانحدار الخطي من خلال السماح النموذج الخطي يجب أن تكون متصلة متغير الاستجابة عن طريق دالة الاتصال وذلك بالسماح بمقدار التباين في كل قياس لتكون دالة من قيمته المتوقعة. صيغت النماذج الخطية المعممة من قبل جون نيلدور وروبرت ويديربون كوسيلة لتوحيد نماذج إحصائية أخرى مختلفة، بما في ذلك الانحدار الخطي، والانحدار اللوجستي وانحدار بواسون. الخطي، والانحدار اللوجستي وانحدار بواسون.
|
| rdfs:label |
Modello lineare generalizzato
, النموذج الخطي المعمم
, Verallgemeinerte lineare Modelle
, Modelo lineal generalizado
, Generalized linear model
, 廣義線性模型
, Modelo linear generalizado
, Modèle linéaire généralisé
, Обобщённая линейная модель
, 一般化線形モデル
|
| rdfs:seeAlso |
http://dbpedia.org/resource/Binary_regression +
|
