| group), data = dat, family = binomial(link = "probit) ) то есть если мы вот так укажем, то будем приближаться к линеальной, правильно?
На графике всё равно кривая будет, если вы об этом
Почему? (Понимаю что туплю)))
Потому что, если грубо говоря, логит- и пробит-регрессии предсказывают вероятность того, что объект, чьи независимые переменные равны каким-то конкретным числам, будет принадлежать к 1. Вероятность не может быть меньше 0 или больше 1, а любая линейная функция может. Поэтому у вас будет фититься не прямая, а сигмоида (функция в виде буквы S)
То есть это из-за того, что зависимая биноминальная. А независимую я могу оставить как бимодальную или обязательно нормализировать как-нибудб?
Там не S, а просто сначала как бы прямая, которая потом начинает падать, как кусок параболы
Бимодальную, это у вас распределение с двумя модами?
Да, грубо говоря левый и правый полюс
То есть, много сильно отрицательных и сильно положительных, а посредине дырка
Не думаю, что нормализация сильно поможет. Если вычитать среднее и делить на СКО, то хребты останутся
Ну вот и да, так и получается
Обсуждают сегодня