Transformando datos para hacer mejores predicciones
Vea cómo:
- Comprender por qué las transformaciones estabilizan la varianza, hacen que el error sea más uniforme en toda la región de diseño, corrigen la falta de ajuste y representan las predicciones de una manera que no viole los límites físicos, muestre recuentos negativos o informe erróneamente rendimientos superiores al 100 %.
- Transforma los datos sobre la marcha con Graph Builder y cambia las escalas para mejorar la legibilidad e interpretabilidad de los gráficos.
- Utilice la transformación de raíz cuadrada para eliminar los valores negativos y examine cómo el uso de la transformación de potencia de Box-Cox en la respuesta podría cambiar el ajuste.
- Comparar la ausencia de transformación, la transformación logarítmica con predicción en unidades brutas y la transformación logarítmica con predicción en unidades logarítmicas.
- Utilice la transformación de raíz cuadrada para construir los efectos del modelo utilizando la macro Polinomio hasta grado 2, identifique la mejor transformación, utilice la transformación seleccionada, guarde los residuos en la tabla de datos y evalúe los resultados utilizando distribuciones.
- Vea cómo la transformación de raíz cuadrada podría mostrar una distribución de conteo más uniforme y una relación más lineal.
Why Transforrmations Can Be Useful¿Por qué las transformaciones pueden ser útiles?¿Por qué las transformaciones pueden ser útiles?
Modelado estadístico avanzadoCombinación y limpieza de datos
