مجموعه داده ی زیر از ” مدلسازی داده های دودویی” اثر دی.کولت(1991) برداشته شده است که مربوط به تحقیقی درباره ی مقاومت فشاری اتصال دهنده ها در صنعت هواپیما سازی است. این بررسی در 10 فشار هوایی متفاوت از 2500psi تا 4300psi با پله ی 200psi آزمایش شده است. که در متغیر Load آنها را بصورت زیر تعریف می کنیم:
Load <- c(25,27,29,31,33,35,37,39,41,43)
تعداد اتصال دهنده هایی که در هر فشار مورد آزمایش قرار گرفتند را در متغیر n :
n<- c(50,70,100,60,40,85,90,50,80,65)
و تعداد اتصال دهنده هایی که در این آزمایش در هر فشار، دچار سانحه شده اند را در متغیر r تعریف می کنیم:
فرض می کنیم که ri دارای توزیع دوجمله ای با پارامترهای ni و pi است. ( i=1,…,10)
مدل glm را با تابع پیوند logit به عنوان مدل مورد نظر درنظر می گیریم.
حال مقدار p ها را محاسبه کرده و آنها را در مقابل فشارهای مختلف رسم می کنیم:
p <- r/n plot(Load,p)
داده ها نشان داده شد. حال مدل مورد نظر را به آن برازش می دهیم:
mymodel <- glm(p~ Load,weights=n,family=binomial)
summary(mymodel)
plot(mymodel,ask=T)
این مدل AIC مناسب و برازش خوبی به داده ها دارد. برای نمایش بهتر این موضوع، مدل برازش داده شده را روی داده ها بصورت زیر رسم می و با خطوط عمودی بازه ی واقعی داده ها را مشخص می کنیم:
x <- 15:55 ; alpha = mymodel.l$coefficients[1]; beta= mymodel.l$coefficients[2]; y <- alpha + beta*x; Y= 1/(1+ exp(-y)); plot(x, Y, type=”l”,xlab=”Load”,ylab=”Fitted Probability of failure”) abline(v=25); abline(v=43); points(Load,p)
به همین ترتیب می توان سایر توابع پیوند دیگر را نیز مورد بررسی قرار داد.
دانشآموخته دکترای تخصصی (PhD) کارآفرینی فناوری، بنیانگذار و مدیر گروه بینالمللی کسب و کار ساکوراد با بیش از ۲۰ سال تجربه بعنوان کوچ، مدرس، مشاور و منتور در حوزههای مختلف راهاندازی و توسعه کسبوکار در ۱۵ کشور جهان هستم. در تلاشم تا تجربیات ذیقیمت خود را با شما دوستان عزیزم به اشتراک گذارم.
اینستاگرام یکی از محبوب ترین شبکه های اجتماعی در زمینه به اشتراک گذاری تصاویر و ویدیو است. یک ابزار مهم که برای کارهای تبلیغاتی، بازاریابی و کارهای رسانه ای هم از آن استفاده می شود.