<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<oembed>
  <author_name>quossy</author_name>
  <author_url>https://blog.hatena.ne.jp/quossy/</author_url>
  <blog_title>ねこすたっと</blog_title>
  <blog_url>https://necostat.hatenablog.jp/</blog_url>
  <categories>
    <anon>elementary</anon>
    <anon>maths/theory</anon>
    <anon>glm</anon>
  </categories>
  <description>数学が苦手なうちのJKに、将来必要となるかもしれないデータ分析への抵抗感をなくしてもらう目的で記事を書くことにしました。 前回：高校生のためのデータ分析入門 (22)：稀なイベントの回数ならポアソン分布！ - ねこすたっと おさらい：線形回帰モデルでは上手くいかないケース 2値変数をモデル化する 期待値を説明変数の関数で表す ロジット変換でつなぐ！ 誤差は？ ロジスティック回帰モデルのまとめ 係数βはどう解釈したらいいの？ おわりに おさらい：線形回帰モデルでは上手くいかないケース 以前、線形回帰モデルを説明しました。 necostat.hatenablog.jp 線形回帰モデルは、 観測値 …</description>
  <height>190</height>
  <html>&lt;iframe src=&quot;https://hatenablog-parts.com/embed?url=https%3A%2F%2Fnecostat.hatenablog.jp%2Fentry%2F2024%2F01%2F25%2F212252&quot; title=&quot;高校生のためのデータ分析入門 (23)：離散型アウトカムの回帰モデル（前編） - ねこすたっと&quot; class=&quot;embed-card embed-blogcard&quot; scrolling=&quot;no&quot; frameborder=&quot;0&quot; style=&quot;display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;&quot;&gt;&lt;/iframe&gt;</html>
  <image_url>https://cdn-ak.f.st-hatena.com/images/fotolife/q/quossy/20240125/20240125110652.jpg</image_url>
  <provider_name>Hatena Blog</provider_name>
  <provider_url>https://hatena.blog</provider_url>
  <published>2024-01-25 21:22:52</published>
  <title>高校生のためのデータ分析入門 (23)：離散型アウトカムの回帰モデル（前編）</title>
  <type>rich</type>
  <url>https://necostat.hatenablog.jp/entry/2024/01/25/212252</url>
  <version>1.0</version>
  <width>100%</width>
</oembed>
