«r» etiketlenmiş sorular

Bildiğim kadarıyla, lojistik model ile kesirli yanıt modeli (frm) arasındaki fark, frm'nin [0,1], ancak lojistiğin {0, 1} olduğu bağımlı değişkenin (Y) olmasıdır. Ayrıca frm, parametrelerini belirlemek için yarı olabilirlik tahmincisini kullanır. Normalde, glmlojistik modelleri elde etmek için kullanabiliriz glm(y ~ x1+x2, data = dat, family = binomial(logit)). Frm için, değiştirmek …

13 r  logistic  generalized-linear-model  quasi-likelihood 

Benim sorum geoR:::.negloglik.GRFveya içinde kullanılan bir hesaplama tekniği ile ilgili geoR:::solve.geoR. Doğrusal karışık model kurulumunda: burada β ve b sırasıyla sabit ve rastgele etkilerdir. Ayrıca, Σ = cov ( Y )Y=Xβ+Zb+eY=Xβ+Zb+e Y=X\beta+Zb+e ββ\betabbbΣ=cov(Y)Σ=cov(Y)\Sigma=\text{cov}(Y) Etkileri tahmin ederken , normalde böyle bir şey kullanılarak yapılabilen hesaplanması gerekir , ancak bazen ( X …

13 r  eigenvalues  matrix-decomposition  matrix-inverse  cholesky 

Önümüzdeki 6 ay boyunca emtia (Petrol, Alüminyum, Kalay, vb.) Fiyatlarını tahmin etmeye çalıştığımız küçük bir proje üzerinde çalışıyorum. Tahmin edeceğim 12 değişkenim var ve Nisan, 2008 - Mayıs 2013 tarihleri ​​arasında verilerim var. Tahmin hakkında nasıl gitmeliyim? Aşağıdakileri yaptım: Timeseries veri kümesi olarak içe aktarılan veriler Tüm değişkenlerin mevsimsellik Trend'e …

13 r  time-series  forecasting  neural-networks  arima 

Normalliği kontrol etmek için doğrusal bir modelin kalıntıları üzerinde bir Shapiro Wilk'un W testi ve Kolmogorov-Smirnov testi yapmak istiyorum. Sadece bunun için hangi artıkların kullanılması gerektiğini merak ediyordum - ham artıklar, Pearson kalıntıları, öğrenci kalıntıları veya standart kalıntılar? Shapiro-Wilk'un W testi için, ham & Pearson kalıntıları için sonuçlar aynıdır, ancak …

13 r  regression  residuals  normality-assumption  lm 

Temel istatistiklerde, çıkarımların geçerli olabilmesi için genel bir doğrusal model ile gözlemlerin bağımsız olması gerektiğini öğrendim. Kümeleme gerçekleştiğinde, bağımsızlık artık hesaba katılmadıkça geçersiz çıkarımlara yol açmayabilir. Bu tür kümelenmeyi hesaba katmanın bir yolu karışık modeller kullanmaktır. Bunu açıkça gösteren simüle edilmiş ya da edilmemiş bir örnek veri kümesi bulmak istiyorum. …

13 r  mixed-model  inference  independence 

Bir lojistik regresyon modeli (yoluyla elde ettik trainbir ikili yanıt için), ve ile lojistik karışıklık matrisi elde ettik confusionMatrixiçinde caret. Bana lojistik modeli karışıklık matrisi veriyor, ancak bunu elde etmek için hangi eşiğin kullanıldığından emin değilim. Nasıl kullanarak belirli eşik değerleri için karışıklık matrisi elde do confusionMatrixin caret?

13 r  classification  roc  caret  confusion-matrix 

Kaç kullanıcının kaç soru gönderdiğine dair verilerim var. Örneğin, [UserCount, QuestionCount] [2, 100] [9, 10] [3, 80] ... ... Bu, 2 kullanıcının her birinin 100 soru gönderdiğini, 9 kullanıcının her birinin 10 soru gönderdiğini vb. Peki, UserCount, QuestionCountdağıtımın bir güç yasasına uygun olup olmadığını nasıl belirleyebilirim ? PoweRlaw paketini buldum …

13 r  hypothesis-testing  goodness-of-fit  power-law 

Genel olarak, daha yüksek mertebeden değişkenlerle regresyon takarken ortogonal polinomları kullanmamanın daha iyi olup olmadığını merak ediyorum. Özellikle, R kullanımı ile merak ediyorum: Eğer poly()ile raw = FALSEaynı donatılmış değerleri üretir poly()ile raw = TRUE, ve polyile raw = FALSEçözer polinom regresyonu ile ilgili sorunlardan dolayı, daha sonra gereken poly()ile …

13 r  regression  polynomial 

Arka fon Ben modelleri uydurma bir kursta ilk örneği anlamaya çalışıyorum (bu yüzden bu gülünç derecede basit görünebilir). Hesaplamaları elle yaptım ve örnekle eşleşiyorlar, ancak bunları R'de tekrarladığımda, model katsayıları kapalı. Ben fark nüfus kitaplığı ( ) kullanarak ders kitabı nedeniyle olabilir R ise örnek varyans ( ) kullanıyor olabilir …

13 r  regression  self-study  lm 

En yakın komşuların en iyi yordayıcılar olduğu varsayımıyla veri kümem var. Görselleştirilmiş iki yönlü eğimin mükemmel bir örneği Birkaç değerin eksik olduğu bir vakamız olduğunu varsayalım, komşulara ve eğilime göre kolayca tahmin edebiliriz. R'de karşılık gelen veri matrisi (egzersiz için kukla örnek): miss.mat <- matrix (c(5:11, 6:10, NA,12, 7:13, 8:14, …

13 r  prediction  outliers  data-imputation  multiple-imputation 

Doğrusal regresyon modelinde kullanılacak veri matrisini ölçeklendirme kavramını anlıyorum. Örneğin, R'de şunları kullanabilirsiniz: scaled.data <- scale(data, scale=TRUE) Tek sorum, çıktı değerlerini tahmin etmek istediğim yeni gözlemler için, bunlar nasıl doğru bir şekilde ölçeklendiriliyor? Olur scaled.new <- (new - mean(data)) / std(data)mu?

13 r  regression  prediction  scales 

Student t-testi hakkında okudum, ancak orijinal dağılımların normal olarak dağıtıldığını varsayabildiğimizde işe yarıyor gibi görünüyor. Benim durumumda, kesinlikle değiller. Ayrıca, 13 dağıtımım varsa, 13^2test yapmam gerekir mi?

13 r  hypothesis-testing  distributions 

Lindsay I Smith tarafından mükemmel bir PCA öğretici aracılığıyla R'de çalışıyorum ve son aşamada takılıp kalıyorum . Aşağıdaki R betiği, orijinal verilerin (bu durumda tekil) Ana Bileşen'den yeniden yapılandırıldığı (PC1) ekseni boyunca düz bir çizgi grafiği vermesi gereken aşamaya (s.19'da) götürür (veriler sadece 2 boyutu vardır, ikincisi kasıtlı olarak düşürülür). …

13 r  pca 

Dunnett testini hesaplamak için R 'multcomp' kütüphanesini ( http://cran.r-project.org/web/packages/multcomp/ ) kullanıyorum. Aşağıdaki komut dosyasını kullanıyorum: Group <- factor(c("A","A","B","B","B","C","C","C","D","D","D","E","E","F","F","F")) Value <- c(5,5.09901951359278,4.69041575982343,4.58257569495584,4.79583152331272,5,5.09901951359278,4.24264068711928,5.09901951359278,5.19615242270663,4.58257569495584,6.16441400296898,6.85565460040104,7.68114574786861,7.07106781186548,6.48074069840786) data <- data.frame(Group, Value) aov <- aov(Value ~ Group, data) summary(glht(aov, linfct=mcp(Group="Dunnett"))) Şimdi bu komut dosyasını R Konsolu üzerinden birden çok kez çalıştırırsam, her seferinde çok farklı sonuçlar elde …

13 r  multiple-comparisons 

R (2.15.2) 'de bir zaman serisine bir kez ARIMA (3,1,3) ve bir zamanlar farklı zaman aralıklarına bir ARMA (3,3) taktım. Takılan parametreler, ARIMA'daki takma yöntemine atfettiğim farklılıklar gösteriyor. Ayrıca, ARMA (3,3) ile aynı verilere bir ARIMA (3,0,3) takmak, kullandığım takma yöntemi ne olursa olsun aynı parametrelerle sonuçlanmaz. Farkın nereden geldiğini …

13 r  time-series  arima  fitting  arma