. Statystyka 𝐶𝑝 Mallowsa wykorzystywana jest:

W modelu regresji liniowej

Wartość odchylenia rzeczywistych realizacji zmiennej prognozowanej od prognoz jest to:

Narzędzia wykrycia zależności pomiędzy interesującą nas zmienną objaśnianą (kilkoma zmiennymi objaśnianymi) opisującą badane obiekty (jednostki) a zbiorem innych zmiennych objaśniających (niezależnych, predyktorów) też opisujących te obiekty

. Odkrywania nietrywialnych zależności, schematów, wzorców, reguł w zbiorach danych to

Zapoznanie się z istniejącą teorią dotyczącą modelowanego zjawisk oraz z poświęconymi mu dotychczasowymi badaniami to czynności realizowane na następującym etapie budowy modelu predykcyjnego:

 Reszty w poprawnie oszacowanego modelu liniowego powinny:

Uogólnione modele liniowe (ang. generalized linear models – GLMs) są rozszerzeniem zwykłych modeli regresji

⦁ Krzywą ROC można wykorzystać:

⦁ W uogólnionym modelu liniowym (GLM) funkcja wiążąca łączy:

⦁ Dodanie do uogólnionego modelu liniowego (GLM) kolejnej zmiennej zależnej (regresora) skutkuje:

⦁ Istotność parametrów modelu liniowego (każdego z osobna) sprawdzamy testem:

⦁ Sumę kwadratów reszt (RSS) nazywamy:

⦁ Element diagonalny macierzy daszkowej nazywamy:

⦁ Średni błąd predykcji ex post (root mean square error, RMSE):

⦁ Wartość odchylenia rzeczywistych realizacji zmiennej prognozowanej od obliczonych prognoz jest to:

⦁ Określenie wymagania co do dopuszczalności i horyzontu prognozy zaliczamy do następującego etapu budowy modelu predykcyjnego:

⦁ Uogólniony model liniowy o liczbie parametrów równej liczbie obserwacji nazywamy:

k-krotna walidacja krzyżowa służy do:

Iloraz prawdopodobieństwa wystąpienia zdarzenia do prawdopodobieństwa jego niewystąpienia nazywamy

⦁ Do elementów konstrukcyjnych uogólnionego modelu liniowego zaliczamy:

⦁ Modelem logitowym (regresją logistyczną) nazywamy uogólniony model liniowy (GLM), w którym zmienna objaśniana ma rozkład:

⦁ Do mierników pomocnych w wyborze zmiennych objaśniających (predyktorów) zaliczamy:

Jednorodność wariancji modelu liniowego sprawdzamy testem:

Sumę kwadratów reszt (RSS) nazywamy:

Średni błąd predykcji ex post (root mean square error, RMSE):

Określenie wymagania co do dopuszczalności i horyzontu prognozy zaliczamy do następującego etapu budowy modelu predykcyjnego:

Modelem logitowym (regresją logistyczną) nazywamy uogólniony model liniowy (GLM), w którym zmienna objaśniana ma rozkład:

W ubezpieczeniach uogólnione modele liniowe można wykorzystać w modelowaniu:

k-krotna walidacja krzyżowa służy do:

Krzywą ROC można wykorzystać:

Logarytm stosunku prawdopodobieństwa wystąpienia zdarzenia do prawdopodobieństwa jego niewystąpienia.

Iloraz prawdopodobieństwa wystąpienia zdarzenia do prawdopodobieństwa jego niewystąpienia nazywamy

Wskaźnik ten określa siłę związku między zmienną niezależną a zmienną zależną poprzez obliczenie logarytmu stosunku prawdopodobieństw (iloraz szans) dla każdej kategorii zmiennej niezależnej w odniesieniu do bazowej kategorii.

Za pomocą tego miernika można dokonać rankingu zmiennych objaśniających.

Uogólniony model liniowy o liczbie parametrów równej liczbie obserwacji nazywamy:

Element diagonalny macierzy daszkowej nazywamy:

Przykładowe testy normalności:

Niezależności reszt modelu liniowego sprawdzamy testem:

Jednorodność wariancji modelu liniowego sprawdzamy testem:

Sumę kwadratów reszt (RSS) nazywamy:

Średni błąd predykcji ex post (root mean square error, RMSE):

Liniowy modelu regresji może być estymowany za pomocą:

Dokonując wstępnego wyboru narzędzi modelowania predykcyjnego należy uwzględnić (między innymi) następujące czynniki:

Narzędzia wykrycia zależności pomiędzy zmiennymi opisującymi badane obiekty a prawdopodobieństwem zaistnienia lub poziomem pewnej zmiennej służą do:

Określenie wymagania co do dopuszczalności i horyzontu prognozy zaliczamy do następującego etapu budowy modelu predykcyjnego:

Dodanie do uogólnionego modelu liniowego (GLM) kolejnej zmiennej zależnej (regresora) skutkuje:

. Krzywą ROC można wykorzystać:

W uogólnionym modelu liniowym (GLM) funkcja wiążąca łączy:

Modelem zerowym nazywamy uogólniony model liniowy (GLM),

W uogólnionym modelu liniowym (GLM)

Sumę kwadratów reszt (RSS) nazywamy:

Jakościowa zmienna objaśniająca przyjmująca wartości ze zbioru pięciu kategorii w liniowym modelu regresji jest kodowana za pomocą:

⦁ Dokonując wstępnego wyboru narzędzi modelowania predykcyjnego należy uwzględnić (między innymi) następujące czynniki: