Wanat Prezentacje

gamma, Poissona

. normalny,

Tweedie

dwumianowy,

Support vector machines.

Generalized linear models (GLMs).

K-means clustering.

Decision trees.

Mierniki dokładności prognoz ex post, AIC, Kryterium Schwartza BIC i współczynnik determinacji.

Mierniki dokładności prognoz ex ante, BIC, współczynnik determinacji i skorygowany współczynnik determinacji.

Mierniki dokładności prognoz ex post, AIC, Kryterium Schwartza BIC, współczynnik determinacji i skorygowany współczynnik determinacji.

Mierniki dokładności prognoz ex post, AIC, współczynnik determinacji i skorygowany współczynnik determinacji.

W celu poprawy procesu estymacji parametrów.

Wszystkie powyższe.

W celu uzyskania najlepszych prognoz.

W celu uzyskania najlepszego opisu zależności między zmienną zależną a zmiennymi objaśniającymi.

Przekształcić zmienną niezależną za pomocą transformacji logarytmicznej lub innej z rodziny Boxa-Coxa.

Dodatkowo przekształcić zmienną objaśniającą za pomocą transformacji logarytmicznej lub innej z rodziny Boxa-Coxa.

Przekształcić zmienną objaśnianą za pomocą transformacji logarytmicznej lub innej z rodziny Boxa-Coxa.

Przeprowadzić analizę czynnikową w celu redukcji liczby zmiennych objaśniających.

Testuje jednorodność wariancji.

Testuje liniowość modelu.

Testuje normalność reszt.

Testuje istotność współczynników autokorelacji.

Testy Harveya-Colliera, Rainbow i Ramseya RESET.

Testy homoskedastyczności, autokorelacji i heteroskedastycznośc

Testy normalności reszt, jednorodności wariancji i niezależności reszt.

Testy Durbina-Watsona, Breuscha-Godfreya i Breuscha-Pagana.

Mieć rozkład jednostajny, być niezależne i zależne od siebie.

Nie mieć rozkładu określonego, być zależne i niezależne.

Być skoncentrowane wokół średniej, mieć rozkład jednorodny i być zależne.

Mieć rozkład normalny, być jednorodne i niezależne.