Overdispersion and quasi-poisson

[florianhartig]

Für die poisson regression im Skrip (Hauptteil und Appendix)

• Notwendigkeit des Tests auf Overdispersion erwähnen
• wenn significant auf quasi-poisson wechseln

Erklärung siehe Vorlesungsslides - der Code dazu ist hier https://www.dropbox.com/s/pdg8pc2mv3dz88w/Analyse.Rmd?dl=0

Auch nicht schlecht wäre es diese simulierten Daten aus der Vorlesung reinzunehmen die erklären wie die Poisson entsteht ins skript zu nehmen, vielleicht etwas kürzen --- das hier ist der code, siehe Erklärung in der Vorlesung

library(spatstat) library(wesanderson) library(RColorBrewer) cols = brewer.pal(4, "BuGn")

cols = wes_palette("GrandBudapest2", 3)

par(mfrow = c(1,3))

pp <- rpoispp(10) plot(pp, main = "10", cols = cols[1], pch = 20) pp <- rpoispp(100) plot(pp, main = "100", cols = cols[2], pch = 20) pp <- rpoispp(1000) plot(pp, main = "1000", cols = cols[3], pch = 20)

barplot(dpois(0:20, lambda = 0.1), names.arg = 0:20, ylab = "Wahrscheinlichkeit", col = cols[1])

barplot(dpois(0:20, lambda = 1), names.arg = 0:20, ylab = "Wahrscheinlichkeit", col = cols[2])

barplot(dpois(0:20, lambda = 10), names.arg = 0:20, ylab = "Wahrscheinlichkeit", col = cols[3])

barplot(round(max(rpois(10000,1 + rnorm(10000,0,0.1),0)),names.arg = 0:20)

each cluster consist of 10 points in a disc of radius 0.2

nclust <- function(x0, y0, radius, n) { return(runifdisc(n, radius, centre=c(x0, y0))) } plot(rNeymanScott(10, 0.2, nclust, radius=0.05, n=10))

curve(dpois(x, lamda = 1), 0,10)

poisdat = rbind( dpois(0:20, lambda = 0.2), dpois(0:20, lambda = 1), dpois(0:20, lambda = 5), dpois(0:20, lambda = 10) )

library(RColorBrewer) cols = brewer.pal(4, "BuGn")

cols = wes_palette("GrandBudapest2", 4)

legend("topright", legend = c(0.2, 1,5,10), col = cols, pch = 17,pt.cex=1, border = NU)

[florianhartig]

wenn du noch nichts gemacht hast lass mal mich machen weil ich noch ein paar andere Sachen zu dem Thema erwähnen will

[florianhartig]

I'm closing this because stats was moved anyway