log-logistic模型,logit模型适用于什么情况
(x1,x2 ,,xn),最直白的思路就是在因变量和自变量之间建立多元线性关系。
Y也变了多少?如果用结果(Y)来表征结果(0-1)是否发生?或者更一般的描述结果(y)发生的概率(0~1)?这个时间因素
xi的变化所引起的结果(y)的变化恐怕是微乎其微的。在现实生活中,我们知道一些关键因素会直接导致结果,比如亚马逊雨林中一只蝴蝶的翅膀偶尔振动一下,可能会在两周后引发美国德克萨斯州的龙卷风。所以需要改变线性关系,这样结果会随着因素的变化而发生很大的变化。这时,人们想到了logit变换。
从对数函数图像来看,因变量在(0,1)之间的变化很大,也就是说自变量的变化会导致因变量的变化很大,符合小变化带来大变化的效果,所以让因变量取对数,有如下公式
log(y)=1x1 2x2 nxn
上述公式虽然解决了因变量随因素变化的灵敏度问题,但也限制了y的取值范围为
(0, )。但是,一件事的发生与否应该是和谐对称的,也就是说,一件事的发生与不发生是对立的,结果可以是必然的(概率为1)也可以是必然的(概率为0),等式左边的取值范围不限于
(0,),所以再次引入概率。
奇数是指发生的概率与不发生的概率之比。假设事件A发生的概率为P,不发生的概率为1-p,那么事件A的概率为
奇数(A)=1 PP
概率恰恰反映了一个事件的两个对立面,具有很好的对称性。我们来看看概率和概率的关系。
首先我们看到概率从0.01增加到0.99,概率也从0.01增加到99。两者之间有很好的正相关关系。我们对P的两端取极限如下
(0,),这和我们之前的假设是一致的。
Logistic模型是因为概率和概率有这样紧密相等的关系,所以我想用概率代替概率,这样可以满足因素对结果和对称性的敏感性,所以我有下面的公式。
log(1pp)=1 x12 x2n xn
现在我们稍微改一下,让方程左边的对数变成自然对数ln,方程右边变成矢量积形式,就有了
郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。