目录Python全系列 教程
3567个小节阅读：5930.9k
目录
鸿蒙应用开发
C语言快速入门
JAVA全系列 教程
面向对象的程序设计语言
Python全系列 教程
Python3.x版本，未来主流的版本
人工智能 教程
顺势而为，AI创新未来
大厂算法 教程
算法，程序员自我提升必经之路
C++ 教程
一门通用计算机编程语言
微服务 教程
目前业界流行的框架组合
web前端全系列 教程
通向WEB技术世界的钥匙
大数据全系列 教程
站在云端操控万千数据
AIGC全能工具班
A A
White Night
概率单位回归，主要用来测试分析刺激强度与反应比例之间的关系。例如，对于指定数量的病人，分析他们的给药剂量与治愈比例之间的关系。此方法应用的典型例子是分析杀虫剂浓度和杀死害虫数量之间的关系，并据此判断说明什么样的计量浓度是最佳的。用一句特典型的话概况：研究患者给药剂量与治愈百分比之间的关系。
示例：记录了三种杀虫药、不同浓度、不同杀虫效果的数据。
导入数据
比例是3种杀虫剂，有3个分组，分别对应1/2/3，输入最小1和最大3即可
还有一个比较关键的参数，协变量和概率之间的关系我们不确定，可以考虑直接对原始数据进行变换，软件提供10为底和指数e为底的对数变换，都可以选择，本例选择自然对数变换。
主对话左下角还有一个参数，关于模型，毫无疑问，我们要建立概率模型，所以默认选择【概率】。
主对话框右上角还有一枚【选项】按钮，这里面要设置具体的回归参数。软件已经帮我们默认勾选了一批，由于本例有分组变量，所以还要多勾选一个【平行检验】以判断不同分组是否具有相同斜率。
点击“确定”，再输出窗口查看结果：
从数据信息中可以看到总共个案数30个，有三种类别1 2 3,每种类别都是10个个案。
从收敛信息中可以看到经过10次迭代后，找到了最佳解。
从参数估算值可以看到显著性都是小于0.01说明协变量（剂量）和三个截距项（三个不同的杀虫药）对方程的作用都有显著意义。
杀虫药1：概率（p）=-5.948+3.548*（ln（剂量））
杀虫药2：概率（p）=-6.227+3.548*（ln（剂量））
杀虫药3：概率（p）=-6.416+3.548*（ln（剂量））
如上图卡方检验结果。原假设模型能够拟合数据，皮尔逊拟合优度显著性p值>0.05，可以说明模型能较好的拟合实验数据。平行检验显著性p值>0.05，说明个三个不同的杀虫药药性的回归方程具有相同的斜率。
从单元格计数和残差中可以看到，药品类别有1 2 3。每种类别所对应的计量，主体数，实测响应、期望响应、残差、概率等。
响应概率置信区间表。表格很长，这里只列出了一部分。怎么解读呢？例如，药类别为1时，当响应概率为0.5时，其半数致死剂量（一半的害虫被杀死）为47.477。同理我们可以读取其他两种杀虫剂的半数致死剂量分别为56.914、64.323。由此可以得到一个结论：第一种药物药效最好。
在相对中位数强度估算值中通过估算来查看三种药的药效。可以看到药品类别1过半值比上药品类别2过半值估算结果时0.834，小于1，说明药品类别1相对于药品2和药品3计量要少些。
概率响应散点图。横轴是对数剂量，纵轴是响应概率，可以看做点存在一定的线性关系，同时也能看出剂量与响应概率的大小关系。
