Think Bayes, 2. Auflage

Kapitel 17. Regression

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Im vorigen Kapitel haben wir einige Beispiele für die logistische Regression gesehen, die auf der Annahme beruht, dass die Wahrscheinlichkeit eines Ergebnisses, ausgedrückt in Form von logarithmischen Quoten, eine lineare Funktion einer (kontinuierlichen oder diskreten) Größe ist.

In diesem Kapitel arbeiten wir an Beispielen für eine einfache lineare Regression, mit der die Beziehung zwischen zwei Größen modelliert wird. Konkret werden wir uns die zeitlichen Veränderungen beim Schneefall und beim Marathon-Weltrekord ansehen.

Die Modelle, die wir verwenden werden, haben drei Parameter, also solltest du dir die Werkzeuge ansehen, die wir für das Drei-Parameter-Modell inKapitel 15 verwendet haben.

Mehr Schnee?

Ich habe den Eindruck, dass wir hier nicht mehr so viel Schnee bekommen wie früher. Mit "hier" meine ich Norfolk County, Massachusetts, wo ich geboren wurde, aufgewachsen bin und jetzt lebe. Und mit "früher" meine ich im Vergleich zu meiner Jugendzeit, als wir 197827 Zentimeter Schnee hatten und ich ein paar Wochen lang nicht zur Schule gehen musste.

Zum Glück können wir meine Vermutung mit Daten überprüfen. In Norfolk County befindet sich dasBlue Hill Meteorological Observatory, das die älteste kontinuierliche Wetteraufzeichnung Nordamerikas führt.

Daten von dieser und vielen anderen Wetterstationen sind bei derNational ...