Deneysel bir tasarım veri çerçevesinden verilerin de novo simülasyonu.
R'ye odaklanarak (diğer dil çözümleri harika olurdu).
Bir deney veya anket tasarlarken, verileri simüle etmek ve bu simüle edilmiş veriler üzerinde bir analiz yapmak, tasarımın avantajları ve zayıflıkları hakkında müthiş bir fikir verebilir.
Böyle bir yaklaşım, istatistiksel testlerin anlaşılması ve doğru kullanımı için de gerekli olabilir.
Bununla birlikte, bu süreç biraz sıkıcı olma eğilimindedir ve birçoğu bir deneyde veya ankette bu önemli adımı atlamaya yönlendirilir.
İstatistiksel modeller ve test, verileri simüle etmek için gereken bilgilerin çoğunu içerir (bir varsayım veya açık bir dağıtım beyanı dahil).
Bir analiz modeli (ve bununla ilişkili varsayımlar, örneğin normallik ve denge), bir faktörün seviyeleri ve bir önem ölçüsü (p-değeri gibi) göz önüne alındığında, simüle edilmiş veri elde etmek istiyorum (ideal olarak benzer bir genel işlev ile) print (), tahmin (), simüle ()).
Böyle genelleştirilmiş bir simülasyon çerçevesi mümkün müdür?
Öyleyse, böyle bir çerçeve şu anda mevcut mu?
Örnek olarak, aşağıdaki gibi bir işlev istiyorum:
sim(aov(response~factor1+factor2*factor3),
p.values=list(factor1=0.05,
factor2=0.05,
factor3=0.50,
factor2:factor3=0.05),
levels=list(factor1=1:10,
factor2=c("A", "B", "C"),
factor3=c("A", "B", "C")))
yani, genelleştirilmiş bir versiyonu:
sim.lm<-function(){
library(DoE.base)
design<-fac.design(nlevels=c(10,3,3),
factor.names=c("factor1", "factor2", "factor3"),
replications=3,
randomize=F)
response<-with(design, as.numeric(factor1)+
as.numeric(factor2)+
as.numeric(factor3)+
as.numeric(factor2)*as.numeric(factor3)+
rnorm(length(factor1)))
simulation<-data.frame(design, response)}
VEYA
sim(glm(response~factor1+factor2*factor3, family=poisson),
p.values=list(factor1=0.05,
factor2=0.05,
factor3=0.50,
factor2:factor3=0.05),
levels=list(factor1=1:10,
factor2=c("A", "B", "C"),
factor3=c("A", "B", "C")))
VEYA
library(lme4)
sim(lmer(response~factor1+factor2 + (factor2|factor3)),
F_value=list(factor1=50,
factor2=50),
levels=list(factor1=1:10,
factor2=c("A", "B", "C"),
factor3=c("A", "B", "C")))
tam karşılık gelen bir data.frame oluşturur
belirli işlevlerin potansiyel örnekleri (lütfen istediğiniz zaman düzenleyin)
- arima.sim
modellenmiş yanıt olmadan faktör seviyelerinin bir data.frame'ini oluşturmak için işlev vardır:
örn. conf.design
http://cran.r-project.org/web/views/ExperimentalDesign.html