Quelles distributions de probabilité pouvez-vous exploiter pour coller à la réalité de vos données métier ?

L'action genmod supporte un éventail impressionnant de distributions pour répondre à presque tous les cas d'usage analytiques :

  • Bernoulli et Binomiale pour les événements binaires (succès/échec).
  • PoissonLoi de probabilité discrète modélisant le nombre d'événements indépendants survenant dans un intervalle fixe (temps/espace), définie par un paramètre de moyenne égal à la variance. et Binomiale NégativeLoi discrète modélisant le nombre de succès avant un nombre fixe d'échecs. Elle traite la sur-dispersion en permettant à la variance d'être supérieure à la moyenne, contrairement à la loi de Poisson. pour les données de comptage (nombre de pannes, nombre d'appels).
  • Gamma et Inverse Gaussienne pour les données continues positives asymétriques.
  • Tweedie, particulièrement prisée en assurance pour modéliser simultanément la fréquence et la sévérité des sinistres.
  • Multinomiale pour les cibles à plusieurs catégories.

Exemples pour l'action genmod

Régression de Poisson simple

Ajuste un modèle de base pour prédire le nombre de réclamations en fonction du groupe d'âge.

Modèle logistique avec sélection de variables et sauvegarde

Un exemple complet incluant la déclaration des classes, une sélection 'Forward' et l'exportation du modèle pour le futur.

Analyse de mesures répétées (GEE)

Utilisation du paramètre 'repeated' pour gérer les corrélations au sein d'un groupe (ex: par Région).