Logit
Logit
Tanım
Örnek Vaka / Uygulama
Bir psikiyatristin, hastaların belirli bir tedaviye yanıt verip vermeyeceğini (evet/hayır) uyku kalitesi ve stres skorlarına bakarak tahmin etmeye çalıştığı bir lojistik regresyon modelinde, çıktı değişkeninin doğrudan olasılık olarak modellenmesi yerine logit dönüşümüne tabi tutulması gerekir.
Derin Analiz
Logit fonksiyonu, 0 ile 1 arasında sınırlı olan olasılık değerlerini eksi sonsuzdan artı sonsuza kadar uzanan bir reel sayı eksenine dönüştürür. Matematiksel olarak $\text{logit}(p) = \ln(p / (1 - p))$ şeklinde ifade edilir; burada $p$ bir olayın olasılığını simgeler. İstatistikte özellikle lojistik regresyon analizinin temel taşıdır. Standart doğrusal regresyon modelleri bağımlı değişkenin sürekli ve sınırsız olduğu varsayımıyla çalışırken, ikili (binary) sonuç değişkenlerinin analizinde olasılıkların doğrusal bir düzlemde modellenmesini engeller. Logit dönüşümü bu kısıtlamayı aşarak bağımsız değişkenlerin doğrusal kombinasyonunun olasılığın log-odds oranına eşitlenmesini sağlar. Böylece katsayıların yorumlanması ve maksimum olabilirlik (maximum likelihood) tahminlerinin hesaplanması istatistiksel olarak mümkün hâle gelir.
Etimoloji
İngilizce 'logarithm' (logaritma) ve 'odds' (olasılık oranı) kelimelerinin birleşiminden türetilmiştir.
Karıştırmayın
Odds (oran) ve olasılık (probability) kavramları sıkça karıştırılır; olasılık olayın tüm olası durumlara oranıdır, odds ise olayın gerçekleşme ihtimalinin gerçekleşmeme ihtimaline oranıdır. Logit ise bu odds değerinin logaritmasıdır.
Keşfetmeye Devam Edin
Lojistik Regresyon
Logistic Regression (LR)
Bağımlı değişkenin iki kategorili (ikili/binary) olduğu durumlarda, yordayıcı değişkenler yardımıyla olasılık hesabı yapmak için kullanılan doğrusal olmayan bir regresyon analizidir.
İncele
Maksimum Olabilirlik Tahmini
MLE
Gözlenen verilerin gerçekleşme olasılığını (olabilirliğini) maksimum yapan parametre değerlerini bulmak için kullanılan temel bir istatistiksel tahmin yöntemidir.
İncele