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 |