Do you want BuboFlash to help you learning these things? Or do you want to add or correct something? Click here to log in or create user.


  • Presentation
  • Question
  • Answer

Tags
#Auswertung #Interpretation #has-images
Question
Auswertung: Bayessche Multiple Regression: Beispiel Neurotizismus

Answer
  • Kriterium: Neurotizismus
  • Präiktoren: Geschlecht (1=m, 2=w) und Alter
  • Priors für Regressionsgewichte b:
    • Geschlecht: NV; M=0.2, SD=0.1 -> Es wird angenommen, dass Frauen im Schnitt höhere Werte als Männer haben (Streuung um 0.2)
    • Alter: NV; M=0, SD=0.1 -> Es fehlt Vorwissen zu dem Zusammenhang Neurotizismus und Alter (Streuung um 0)
    • Auch für die Konstante (Intercept) wird eine Prior-Verteilung formuliert
  • Mit Hilfe von MCMC werden die Daten und Priors miteinander kombiniert, um die Posterior Verteilung zu schätzen
  • Estimate: Punktschätzung für den Parameter (z.B. 𝑏𝑎𝑔𝑒= 0.01). In der Regel der Mittelwert oder der Median der Posteriorverteilung
    • Intercept : Durchschnittliche Neurotizismusausprägung von Männern (gender = 1) im Alter von 0 J. (3.33)
    • age: Neurotizismus „nimmt mit dem Alter ab“ (-0.01 pro Jahr)
    • gender : Frauen (2) haben im Durchschnitt höhere Neurotizismuswerte (um 0.31) als Männer (1)
    • CI: Grenze des Credibility intervals (in welchem Bereich liegen die plausibelsten Parameterwerte
    • R2: 𝑅^2(durch das Modell erklärte Varianz)

Tags
#Auswertung #Interpretation #has-images
Question
Auswertung: Bayessche Multiple Regression: Beispiel Neurotizismus
Answer
?

Tags
#Auswertung #Interpretation #has-images
Question
Auswertung: Bayessche Multiple Regression: Beispiel Neurotizismus

Answer
  • Kriterium: Neurotizismus
  • Präiktoren: Geschlecht (1=m, 2=w) und Alter
  • Priors für Regressionsgewichte b:
    • Geschlecht: NV; M=0.2, SD=0.1 -> Es wird angenommen, dass Frauen im Schnitt höhere Werte als Männer haben (Streuung um 0.2)
    • Alter: NV; M=0, SD=0.1 -> Es fehlt Vorwissen zu dem Zusammenhang Neurotizismus und Alter (Streuung um 0)
    • Auch für die Konstante (Intercept) wird eine Prior-Verteilung formuliert
  • Mit Hilfe von MCMC werden die Daten und Priors miteinander kombiniert, um die Posterior Verteilung zu schätzen
  • Estimate: Punktschätzung für den Parameter (z.B. 𝑏𝑎𝑔𝑒= 0.01). In der Regel der Mittelwert oder der Median der Posteriorverteilung
    • Intercept : Durchschnittliche Neurotizismusausprägung von Männern (gender = 1) im Alter von 0 J. (3.33)
    • age: Neurotizismus „nimmt mit dem Alter ab“ (-0.01 pro Jahr)
    • gender : Frauen (2) haben im Durchschnitt höhere Neurotizismuswerte (um 0.31) als Männer (1)
    • CI: Grenze des Credibility intervals (in welchem Bereich liegen die plausibelsten Parameterwerte
    • R2: 𝑅^2(durch das Modell erklärte Varianz)

Summary

statusnot learnedmeasured difficulty37% [default]last interval [days]               
repetition number in this series0memorised on               scheduled repetition               
scheduled repetition interval               last repetition or drill

Details

No repetitions

Discussion

Do you want to join discussion? Click here to log in or create user.