Auch in Ihren Daten stecken wertvolle Informationen! Möchten Sie mit Daten Ihre Produkte schneller entwickeln? Ihre Versuche effizienter auswerten? Ihre Prozesse besser verstehen und optimieren? Dann ist dieser Podcast für Sie. Barbara Bredner berät und begleitet seit 2003 Menschen in der Industrie bei der Datenauswertung in Forschung und Entwicklung, Prozess Engineering und Qualitätsmanagement. In ihrem Podcast erklärt sie, wie Sie eigene Daten auswerten und gezielt nutzen können. Sie gibt Tipps für solide und nachvollziehbare Analysen, damit Sie mit größerer Sicherheit und Klarheit belastbare Ergebnisse erreichen. Das Ziel sind abgesicherte Entscheidungen auf Grundlage Ihrer Datenanalysen!
https://irgendwas-mit-daten.io
episode 45: #45 Wie funktioniert Einfluss-Analyse bei nicht-normalverteilten Ergebnissen?
warum "normal-verteilt" eher nicht normal ist Wie funktioniert Einfluss-Analyse bei nicht-normalverteilten Ergebnissen?
???? Warum ist das Ergebnis nicht normal-verteilt?
???? Wie funktionieren verallgemeinerte lineare Modelle (GLM: Generalized Linear Models)?
???? Sind Machine Learning Modelle auch GLMs?
Die Normalverteilung von Messwerten wird für viele Methoden vorausgesetzt und sie scheint oft "das Normalste" von der Welt zu sein - bis echte Messwerte aufgenommen werden. Die sind selten normalverteilt und damit stellt sich schnell die Frage, warum die Messwerte nicht aus einer "normalen" Verteilung kommen.
Mögliche Antworten darauf erhalten Sie in der aktuellen Folge. Außerdem geht es darum, wie Auswertungen bei nicht-normalverteilten Messdaten z. B. mit GLMs funktionieren und wie die verallgemeinerten linearen Modelle mit den Methoden des maschinellen Lernens zusammenhängen.
Links???? Hilbe, S. (2010) "Generalized Linear Models", Encyclopedia of Mathematics
???? Great Learnings Team (2021) "Generalized Linear Model | What does it mean?"
???? Clark, M. (2019) "Generalized Additive Models"
Ich freue mich über Ihre Nachricht! Barbara Bredner, post@irgendwas-mit-daten.io