1 / 45

Multivariate Statistische Verfahren

Multivariate Statistische Verfahren. Logistische Funktion, Logistische Regression und Klassifikation Poisson-Regression Psychologisches Institut der Universität Mainz SS 2012 U. Mortensen. Überblick. Grundbegriffe der Dynamik.

sabina
Download Presentation

Multivariate Statistische Verfahren

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Multivariate Statistische Verfahren Logistische Funktion, Logistische Regression und Klassifikation Poisson-Regression Psychologisches Institut der Universität Mainz SS 2012 U. Mortensen

  2. Überblick Grundbegriffe der Dynamik Logistische Funktionen, logistische Regression und Klassifikation Weitere Analysen von Häufigkeiten: Poisson-Regression, loglineare Analysen Zeitliche Entwicklungen: Ereignisanalyse (Analyse von ‚Wartezeiten‘)

  3. Vorbemerkungen: Exponentielles und logistisches Wachstum Funktionen und ihre Ableitungen

  4. Wie kann man die Veränderung einer Funktion beschreiben?

  5. Beispiele

  6. Differential und Integral Die Umkehrung der Differentiation ist die Integration:

  7. Differentialgleichungen Ausgangspunkt: ist die Funktion f(x) gegeben, so liegt die Ableitung f‘(x) fest, und umgekehrt: ist f‘(x) gegeben, so ist auch f(x) bestimmt (bis auf additive Konstante beim unbestimmten Integral) Oft sucht man eine Funktion, von der man nur weiß, wie sie sich mit x Verändert, d.h. man hat eine Differentialgleichung, deren Lösung die gesuchte Funktion ist: Das Differential (die Ableitung) der gesuchten Funktion sei proportional zur Funktion.

  8. Differentialgleichungen Auf diese Differentialgleichung wird man geführt, wenn man den Fall betrachtet, dass eine Größe stets um einen bestimmten Anteil ihres Wertes wächst: Exponentielles Wachstum einer Population: Zeiten mit Quadraten sind „Verdoppelungszeiten“, dh Zeiten, zu denen sich die Population jeweils verdoppelt hat.

  9. Differentialgleichungen Verdoppelungszeiten:

  10. Differentialgleichungen Exponentielles Wachstum der Weltbevölkerung

  11. Differentialgleichungen Ist die Wachstumsrate konstant, so ist das Wachstum exponentiell. Wie ist Das Wachstum, wenn die Rate nicht konstant ist, es zB Sättigung im Wachstum gibt? Logistisches Wachstum Verhulst bekam 1838 den Auftrag, das Wachstum der Stadt Paris vorherzusagen – die Vorhersage wurde für die Planung neuer Wohnungen (frz logis), Strassen, zugehöriger Kanalisation benötigt. Verhulst nahm an, dass es für eine Stadt eine maximale Größe K (Trägerkonstante) geben müsse, da die Stadt aus dem Umland mit Wasser und Nahrung versorgt werden muß. Pierre Verhulst (1804- 1849), belgischer Mathematiker

  12. Differentialgleichungen

  13. Differentialgleichungen Logistisches Wachstum der Lebenserwartung in Norwegen

  14. Differentialgleichungen Das klassische Modell der Epidemiologie

  15. Differentialgleichungen

  16. Differentialgleichungen

  17. Differentialgleichungen – Interaktion von Emotionen Dollard & Miller 1939: Frustration erzeugt Aggression Einmal so… Und das nächste Mal so: Existiert ein überhaupt ein Zusammenhang?

  18. Differentialgleichungen – Interaktion von Emotionen Reaktionen auf einen frustrierenden „Stoß“: Keine Regression im üblichen Sinn! Keine Regression im üblichen Sinn – Oszillation bis zur Gleichgewichtslage!

  19. Differentialgleichungen – Interaktion von Emotionen Keine Regression im üblichen Sinn – eher eine Explosion! Keine Regression im üblichen Sinn – eher ein permanentes Pendeln! Untersuchungen im Rahmen des Allgemeinen Linearen Modells (ANOVA, Regressionsanalyse etc) erfassen die Dynamik grundsätzlich nicht!

  20. Logistische Verteilung, Regression und Klassifikation Die logistische Verteilung

  21. Logistische Verteilung, Regression und Klassifikation

  22. Logistische Verteilung, Regression und Klassifikation Vergleich logistische Verteilung – Gauss-Verteilung

  23. Logistische Verteilung, Regression und Klassifikation

  24. Logistische Verteilung, Regression und Klassifikation Gauss-Verteilungen mit identischen Varianz-Kovarianz-Matrizen führen auf die logistische Funktion!

  25. Logistische Regression Wahrscheinlich- keit Wie multiple Regression – Kein Fehlerterm! Nichtlineare Beziehung zwischen den unabhängigen Variablen und der Wahrscheinlichkeit! Wettchance Lineare Beziehung zwischen Prädiktoren und Logit!

  26. Logistische Verteilung, Regression und Klassifikation Wahrscheinlichkeit einer Koronarerkrankung in Abhängigkeit vom Blutdruck

  27. Logistische Regression • Wie werden die Koeffizienten geschätzt? • Wie werden sie interpretiert? Schätzung:

  28. Logistische Regression -- Interpretation Wettchance (Odds) und Wahrscheinlichkeit Odds als Funktion der Wahrscheinlichkeit wird auf (0, unendlich) abgebildet. Wahrscheinlichkeit als Funktion der Odds wird auf (0, 1) abgebildet

  29. Logistische Regression -- Interpretation

  30. Logistische Regression – Odds, relatives Risiko, etc Einige grundlegende Begriffe lassen sich anhand eines dichotomen Merkmals erläutern.

  31. Logistische Regression – Odds, relatives Risiko, etc

  32. Logistische Regression – Odds, relatives Risiko, etc

  33. Logistische Regression – Schätzung der Parameter

  34. Logistische Regression – Zusammenfassung

  35. Logistische Regression – Infektionsrisiko Infektionsrisiko bei Kaiserschnittgeburten

  36. Logistische Regression – Infektionsrisiko

  37. Logistische Regression – Infektionsrisiko

  38. Logistische Regression – Infektionsrisiko

  39. Poisson-Regression

  40. Poisson-Regression

  41. Poisson-Verteilungen (lb = lambda) lb = 5 lb = 3 lb = 10

  42. Poisson-Verteilungen - Beispiele Generell: „Kleine“ Anzahlen Poisson-verteilte Häufigkeiten zeigen „Cluster“ – das sind Anhäufungen von Ereignissen. Diese Anhäufungen resultieren aus der Zufälligkeit der Ereignisse und sind nicht notwendig Ausdruck irgendwelcher systematischer Tendenzen. Systematische Tendenzen kann es ebenfalls geben – aber man muß prüfen, ob die Clusterings solche Tendenzen enthalten. • Beispiele: • Verletzungen von Kindern in einem Distrikt (http://www.ij-healthgeographics.com/content/7/1/51 ) • Trauma-Forschung – domestic violence (Gagnon et al 2008) • Häufung von Galaxien (Saslaw, W. C. "Some Properties of a Statistical Distribution Function for Galaxy Clustering." Astrophys. J.341, 588-598, 1989. ) • Häufigkeit epileptischer Anfälle in einer Gruppe von Patienten im Laufe eines Jahres • Häufigkeit von Arrythmien in 24-Stunden EEGs • Häufigkeiten von Infektionen in einer Stadt (existiert „infective agent“?)

  43. Poisson-Regression

  44. Poisson-Regression

  45. Poisson-Regression

More Related