Differenze

Queste sono le differenze tra la revisione selezionata e la versione attuale della pagina.

--- r:modelli:information_criteria [11/08/2025 13:42] – Agnese Vardanega
+++ r:modelli:information_criteria [15/10/2025 07:57] (versione attuale) – Agnese Vardanega
@@ Linea 21: / Linea 21: @@
 </code>
-<markdown>
-I primi due valori --- `null.deviance` e `df.null` --- si riferiscono al modello zero (nessuna variabile indipendente): sono quindi la devianza totale e i gradi di libertà.
+I primi due valori --- ''null.deviance'' e ''df.null'' --- si riferiscono al modello zero (nessuna variabile indipendente): sono quindi la devianza totale e i gradi di libertà.
-`deviance` e `df.residuals` sono la devianza e i gradi di libertà del modello con un regressore, cioè il nostro modello.
+''deviance'' e ''df.residuals'' sono la devianza e i gradi di libertà del modello con un regressore, cioè il nostro modello.
+Le altre statistiche sono quelle che ci interessano per valutare la //goodness of fitness// del modello, ovvero per valutare se otteniamo un miglioramento nella spiegazione della variabile ''dist'', introducendo una variabile esplicativa. Per questa ragione, nel //summary// dei risultati, al posto dell'$R^2$ viene riportato l'AIC --- //Akaike Information Criterion//.
-Le altre statistiche sono quelle che ci interessano per valutare la *goodness of fitness* del modello, ovvero per valutare se otteniamo un miglioramento nella spiegazione della variabile ''dist'', introducendo una variabile esplicativa. Per questa ragione, nel *summary* dei risultati, al posto dell'$R^2$ viene riportato l'AIC --- *Akaike Information Criterion*.
-</markdown>
 La tabella che segue mostra le relazioni fra queste misure.