Linear Model and Genaralized Models

✅ معرفی دوره اموزشی مدل های خطی و مدل های خطی تعمیم یافته
____R_Experts___
Javad.Vahdat
#Linear Model and Genaralized Models

@R_Experts
#Introducing_the_course

#شبیه_سازی مدل #رگرسیونی ساده
برای این کار ابتدا داده‌های مربوط به مدل را تولید می‌کنیم:

eps=rnorm(100,0,1)
X=rnorm(100,0,1)
Y=0+1*X+eps
Data=cbind(Y,X)
Data

سپس مقادیر اولیه پارامتر برای تابع درستنمایی همچنین ساختار درست‌نمایی را تشکیل می‌دهیم:

p=c(0,1,1)
L=rep(0,100)

سپس تابع درست‌نمایی مربوط به مدل رگرسیونی خطی ساده شامل ضرایب رگرسیونی به همراه واریانس مدل را تشکیل می‌دهیم:

f<-function(p){
for(i in 1:100){

L[i]=log(dnorm(Y[i],p[1]+p[2]*X[i],p[3]))
}
Lfinal=sum(L)

;-Lfinal
}
f(p)

سپس نقاط درست‌نمایی مربوط به پارامترهای رگرسیونی و وارایانس مدل را بهینه می‌نماییم:

m=nlminb(p,f,lower=c(-Inf,-Inf,0),upper=c(Inf,Inf,Inf))
m

در ادامه #ماتریس_هشین را به دست آورده و معکوس آن را برای به دست آوردن خطای استاندارد محاسبه می‌نماییم:

library("nlme")
h=fdHess(m$par,f)
ih=solve(h$Hessian)
se=sqrt(diag(ih))
MLE=m$par
cbind(p,MLE,se)
se=sqrt(abs(diag(ih)))

🌐تهیه شده توسط تیم تحلیلی
╭──•═✾®✾═•──╮
•• @R_Experts •••
╰──•═✾®✾═•──╯
#Iamrezaei
#Simulation
#Linear_Regression
📊➖➖➖➖➖➖➖➖➖➖➖📊
🖥تلویزیون آمار ایران در اینستاگرام
📩کانال تلگرام
🌐زی لینک
🔔یوتیوب
📖ویرگول
📺instagram: Expertstv_org

📊➖➖➖➖➖➖➖➖➖➖➖📊