По этой причине логит также называют 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] , аналогично функции пробита .
Определение
Если p — вероятность , то p /(1 − p ) — соответствующие шансы ; логит вероятности - это логарифм шансов, т.е.:
Основание используемой функции логарифма не имеет большого значения в настоящей статье, если оно больше 1, но наиболее часто используется натуральный логарифм с основанием e . Выбор базы соответствует выбору логарифмической единицы для значения: база 2 соответствует шеннону , база е — « нат », а база 10 — хартли ; эти единицы особенно используются в теоретико-информационных интерпретациях. Для каждого выбора базы функция logit принимает значения от отрицательной до положительной бесконечности.
Разница между логитами двух вероятностей представляет собой логарифм отношения шансов ( R ), что обеспечивает сокращение для записи правильной комбинации отношений шансов только путем сложения и вычитания :
История
Было предпринято несколько попыток адаптировать методы линейной регрессии к области, где выходными данными являются значения вероятности вместо любого действительного числа . Во многих случаях такие усилия были сосредоточены на моделировании этой проблемы путем сопоставления диапазона и последующего выполнения линейной регрессии на этих преобразованных значениях. В 1934 году Честер Иттнер Блисс использовал кумулятивную функцию нормального распределения для выполнения этого отображения и назвал свою модель пробитом (аббревиатурой от « вероятность без нее »). [2] Однако это требует больше вычислительных затрат. В 1944 году Джозеф Берксон использовал логарифм шансов и назвал эту функцию логит, сокращение от « логистическая единица » , следуя аналогии с пробитом: [3]
Я использую этот термин [логит] вслед за Блиссом, который назвал аналогичную функцию, линейную для нормальной кривой, «пробитом».
Логарифмические коэффициенты широко использовались Чарльзом Сандерсом Пирсом (конец 19 века). [4] Г. А. Барнард в 1949 году ввёл широко используемый термин «логарифм шансов» ; [5] [6] логарифм шансов события — это логит вероятности события. [7] Барнард также ввел термин « лоды» как абстрактную форму «логарифма шансов», [8] но предположил, что «на практике обычно следует использовать термин «шансы», поскольку он более знаком в повседневной жизни». [9]
Логит - функция является отрицательной производной двоичной функции энтропии .
Логит также занимает центральное место в вероятностной модели измерения Раша , которая, помимо других областей , находит применение в психологической и образовательной оценке.
Функцию обратного логита (т. е. логистическую функцию ) также иногда называют функцией выхода . [10]
В эпидемиологии болезней растений логит используется для сопоставления данных с логистической моделью. Все три модели Гомпертца и мономолекулярной модели известны как модели семейства Ричардса.
Функция логарифмических шансов вероятностей часто используется в алгоритмах оценки состояний [11] из-за ее численных преимуществ в случае малых вероятностей. Вместо умножения очень маленьких чисел с плавающей запятой вероятности логарифмических шансов можно просто суммировать для вычисления совместной вероятности (логарифмических шансов). [12] [13]
Сравнение с пробитом
Сравнение логит-функции с масштабированным пробитом (т.е. обратным CDF нормального распределения ), сравнение с , что делает наклоны одинаковыми в начале координат y .
Как показано на графике справа, функции логит и пробит очень похожи, когда функция пробит масштабируется так, что ее наклон при y = 0 соответствует наклону логит . В результате пробит-модели иногда используются вместо логит-моделей , поскольку для некоторых приложений (например, в байесовской статистике ) реализация проще.
^ Дж. С. Крамер (2003). «Истоки и развитие логит-модели» (PDF) . Кембриджский университет.
^ Берксон 1944, с. 361, сноска 2.
^ Стиглер, Стивен М. (1986). История статистики: измерение неопределенности до 1900 года . Кембридж, Массачусетс: Belknap Press издательства Гарвардского университета. ISBN978-0-674-40340-6.
^ Крамер, Дж. С. (2003), Логит-модели из экономики и других областей, Cambridge University Press, стр. 13, ISBN9781139438193.
^ Барнард 1949, с. 120 128.
^ Барнард 1949, с. 136.
^ «R: Обратная логит-функция» . Архивировано из оригинала 6 июля 2011 г. Проверено 18 февраля 2011 г.
^ Трун, Себастьян (2003). «Изучение сеточных карт занятости с помощью моделей прямых датчиков». Автономные роботы . 15 (2): 111–127. дои : 10.1023/А: 1025584807625. ISSN 0929-5593. S2CID 2279013.
^ Стайлер, Алекс (2012). «Статистические методы в робототехнике» (PDF) . п. 2 . Проверено 26 января 2017 г.
^ Дикманн, Дж.; Аппенродт, Н.; Клаппштейн, Дж.; Блохер, Х.Л.; Мунцигер, М.; Зайлер, А.; Хан, М.; Бренк, К. (01 января 2015 г.). «Заставить Берту видеть еще больше: вклад радара». Доступ IEEE . 3 : 1233–1247. дои : 10.1109/ACCESS.2015.2454533 . ISSN 2169-3536.
Барнард, Джордж Альфред (1949). "Статистические выводы". Журнал Королевского статистического общества . Б. 11 (2): 115–149. 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.