Из-за этого логит также называется логарифмом шансов , поскольку он равен логарифму шансов , где p — вероятность. Таким образом, логит — это тип функции, которая отображает значения вероятности из в действительные числа в , [1] родственной функции пробит .
Определение
Если p — вероятность , то p /(1 − p ) — соответствующий коэффициент ; логарифм вероятности — это логарифм коэффициента, т.е.:
Основание используемой логарифмической функции не имеет большого значения в настоящей статье, пока оно больше 1, но натуральный логарифм с основанием e используется чаще всего. Выбор основания соответствует выбору логарифмической единицы для значения: основание 2 соответствует шеннону , основание e — « нат », а основание 10 — хартли ; эти единицы особенно используются в информационно-теоретических интерпретациях. Для каждого выбора основания функция логита принимает значения между отрицательной и положительной бесконечностью.
Разница между логарифмами двух вероятностей представляет собой логарифм отношения шансов ( R ), что позволяет в сокращенном виде записать правильную комбинацию отношений шансов только путем сложения и вычитания :
История
Было изучено несколько подходов для адаптации методов линейной регрессии к области, где выход представляет собой значение вероятности , а не любое действительное число . Во многих случаях такие усилия были сосредоточены на моделировании этой проблемы путем сопоставления диапазона с и последующего запуска линейной регрессии на этих преобразованных значениях. [2]
В 1934 году Честер Иттнер Блисс использовал кумулятивную функцию нормального распределения для выполнения этого отображения и назвал свою модель пробит , сокращение от « probability un it ». Это, однако, более затратно в вычислительном отношении. [2]
В 1944 году Джозеф Берксон использовал логарифм шансов и назвал эту функцию логит , сокращение от « логистическая единица » , следуя аналогии с пробит:
«Я использую этот термин [логит], следуя Блиссу, который назвал аналогичную функцию, линейную на для нормальной кривой, «пробит»».
— Джозеф Берксон (1944) [3]
Логарифм шансов широко использовался Чарльзом Сандерсом Пирсом (конец 19 века). [4] GA Barnard в 1949 году ввел общеупотребительный термин log-odds ; [5] [6] логарифм шансов события — это логит вероятности события. [7] Barnard также ввел термин lods как абстрактную форму «log-odds», [8] но предположил, что «на практике обычно следует использовать термин „odds“, поскольку он более знаком в повседневной жизни». [9]
Логит также играет центральную роль в вероятностной модели Раша для измерения , которая применяется, помимо прочего, в психологической и образовательной оценке.
Функция обратного логита (т. е. логистическая функция ) также иногда называется функцией экспита . [10]
В эпидемиологии болезней растений логистическая модель, модель Гомпертца и мономолекулярная модель известны под общим названием моделей семейства Ричардса.
Функция логарифмических шансов вероятностей часто используется в алгоритмах оценки состояния [11] из-за ее численных преимуществ в случае малых вероятностей. Вместо того, чтобы умножать очень маленькие числа с плавающей точкой, логарифмические шансы вероятностей можно просто суммировать для вычисления (логарифмической шансов) совместной вероятности. [12] [13]
Как показано на графике справа, функции логита и пробита чрезвычайно похожи, когда функция пробита масштабируется, так что ее наклон при y = 0 совпадает с наклоном логита . В результате, модели пробита иногда используются вместо моделей логита , потому что для определенных приложений (например, в теории отклика элемента ) реализация проще. [14]
^ ab Cramer, JS (2003). "Истоки и развитие логит-модели" (PDF) . Cambridge UP.
↑ Берксон 1944, стр. 361, сноска 2.
^ Стиглер, Стивен М. (1986). История статистики: измерение неопределенности до 1900 года . Кембридж, Массачусетс: Belknap Press of Harvard University Press. ISBN978-0-674-40340-6.
^ Трун, Себастьян (2003). «Изучение карт сетки занятости с помощью моделей передних датчиков». Автономные роботы . 15 (2): 111–127. doi :10.1023/A:1025584807625. ISSN 0929-5593. S2CID 2279013.
^ Стайлер, Алекс (2012). "Статистические методы в робототехнике" (PDF) . стр. 2. Получено 26.01.2017 .
^ Дикманн, Дж.; Аппенродт, Н.; Клаппштейн, Дж.; Блёхер, Х. Л.; Мунтцингер, М.; Зайлер, А.; Хан, М.; Бренк, К. (01.01.2015). «Заставить Берту видеть еще больше: вклад радаров». IEEE Access . 3 : 1233–1247. Bibcode : 2015IEEEA...3.1233D. doi : 10.1109/ACCESS.2015.2454533 . ISSN 2169-3536.
^ Альберт, Джеймс Х. (2016). «Логит, пробит и другие функции отклика». Справочник по теории отклика элемента . Том два. Чепмен и Холл. стр. 3–22. doi :10.1201/b19166-1. ISBN978-1-315-37364-5.
Барнард, Джордж Альфред (1949). «Статистический вывод». Журнал Королевского статистического общества . Б. 11 (2): 115–149. doi :10.1111/j.2517-6161.1949.tb00028.x. JSTOR 2984075.
Внешние ссылки
Какая функция связи — Logit, Probit или Cloglog? 12.04.2023
Дальнейшее чтение
Эштон, Уинифред Д. (1972). Логит-преобразование: с особым акцентом на его использование в биоанализе . Статистические монографии и курсы Гриффина. Том 32. Чарльз Гриффин. ISBN 978-0-85264-212-2.