Para calcular a predição, inverta a função de ligação do modelo. As funções inversas estão nesta tabela.
Função de ligação | Fórmula para predição |
---|---|
Logit | ![]() |
Normit | ![]() |
Gompit | ![]() |
Termo | Descrição |
---|---|
exp(·) | a função exponencial |
Φ(·) | a função de distribuição cumulativa da distribuição normal |
X' | a transposição do vetor dos pontos para predizer |
![]() | o vetor de coeficientes estimados |
Onde é a partir dos dados de treinamento somente quando há um conjunto de dados de teste para validação.
Termo | Descrição |
---|---|
![]() | 1, for the binomial and Poisson models |
xi | the vector of a design point |
![]() | the transpose of xi |
X | the design matrix |
W | the weight matrix |
![]() | the first derivative of the link function evaluated at ![]() |
![]() | the predicted mean response |
![]() | the predicted probability for the design point in a binary logistic model |
![]() | the inverse cumulative distribution function of the standard normal distribution for the predicted probability in a binary logistic model |
![]() | the probability density function of the standard normal distribution |
Os limites de confiança usam o método de aproximação Wald. Esta é a fórmula para um 100 (1 − α)% intervalo de confiança bilateral:
Termo | Descrição |
---|---|
![]() | o inverso da função de ligação avaliado em x |
![]() | ![]() |
![]() | a transposição do vetor das preditoras |
![]() | o vetor de coeficientes estimados |
![]() | o valor da função de distribuição acumulada inversa da distribuição normal avaliada em ![]() |
α | o nível de significância |
![]() | ![]() |
X | a matriz de experimento |
W | a matriz de peso |
![]() | 1, para modelos binomiais |