Запитання з тегом «r»

З огляду на вихід з оптимуму з матрицею гессіана, як обчислити довірчі інтервали параметрів за допомогою гессіанової матриці? fit<-optim(..., hessian=T) hessian<-fit$hessian Мене найбільше цікавить контекст аналізу максимальної вірогідності, але мені цікаво дізнатися, чи можна розширити метод за його межами.

22 r  maximum-likelihood 

У мене є часовий ряд, який містить подвійні сезонні компоненти, і я хотів би розкласти серії на наступні компоненти часових рядів (тренд, сезонний компонент 1, сезонний компонент 2 та неправильний компонент). Наскільки мені відомо, процедура STL для розкладання серії в R дозволяє лише один сезонний компонент, тому я спробував розкласти …

22 r  time-series  forecasting  decomposition  multiple-seasonalities 

Маємо, скажімо, такі дані: 8232302 684531 116857 89724 82267 75988 63871 23718 1696 436 439 248 235 Хочете простий спосіб пристосувати це (та кілька інших наборів даних) до дистрибутива Pareto. В ідеалі він виводить би відповідні теоретичні значення, а не ідеально параметри.

22 r  pareto-distribution 

Я намагався встановити дані часових рядів (без повторів) за допомогою регресійної моделі. Дані виглядають так: > xx.2 value time treat 1 8.788269 1 0 2 7.964719 6 0 3 8.204051 12 0 4 9.041368 24 0 5 8.181555 48 0 6 8.041419 96 0 7 7.992336 144 0 8 7.948658 …

22 r  regression  statistical-significance  anova  p-value 

Для відтворення цього ви можете використовувати набір даних десятиборства {FactoMineR}. Питання полягає в тому, чому обчислені власні значення відрізняються від матриць коваріації. Ось власні значення, використовуючи princomp: > library(FactoMineR);data(decathlon) > pr <- princomp(decathlon[1:10], cor=F) > pr$sd^2 Comp.1 Comp.2 Comp.3 Comp.4 Comp.5 Comp.6 1.348073e+02 2.293556e+01 9.747263e+00 1.117215e+00 3.477705e-01 1.326819e-01 Comp.7 Comp.8 …

22 r  pca 

Я не впевнений, що тема вступає в цікавий інтерес. Ти скажи мені. Я повинен вивчити графік (з теорії графа ), тобто. У мене є певна кількість точок, які пов'язані. У мене є таблиця з усіма крапками, і крапки, від яких залежить кожна. (У мене є ще одна таблиця з наслідками) …

22 r  data-visualization  graph-theory 

Це запитання було перенесено із переповнення стека, оскільки на нього можна відповісти на перехресному підтвердженні. Мігрували 5 років тому . Я читав інші теми про графіки часткової залежності, і більшість з них стосується того, як ви насправді побудуєте їх за допомогою різних пакетів, а не як ви можете їх точно …

22 r  classification  data-visualization  random-forest  interpretation 

Ми виконали логістичну регресію зі змішаними ефектами, використовуючи наступний синтаксис; # fit model fm0 <- glmer(GoalEncoding ~ 1 + Group + (1|Subject) + (1|Item), exp0, family = binomial(link="logit")) # model output summary(fm0) Тема та предмет - випадкові ефекти. Ми отримуємо непарний результат, який є коефіцієнтом і стандартним відхиленням для предмета, …

22 r  mixed-model  stata  glmm  lme4-nlme 

У мене є напівмаленька матриця двійкових ознак розміром 250k x 100. Кожен рядок - це користувач, а стовпці - це двійкові "теги" деякої поведінки користувача, наприклад "like_cats". user 1 2 3 4 5 ... ------------------------- A 1 0 1 0 1 B 0 1 0 1 0 C 1 0 …

22 r  clustering  binary-data 

Я нещодавно читав про тест Манна-Вітні U. Виявляється, що для проведення цього тесту на R фактично потрібно запустити тест Вілкоксона! Моє запитання: чи W статистика W wilcox.testв R тотожна U статистиці?

22 r  wilcoxon-mann-whitney 

Я розумію , що тест Вальда для коефіцієнтів регресії заснований на наступному властивості , який містить асимптотично (наприклад Вассермана (2006): All статистики , сторінки 153, 214-215): деβпозначає розрахунковий коефіцієнт регресії,^з(β)позначає стандартну помилку коефіцієнта регресії іβ0є значенням процентного (β-зазвичай0 перевірити, чи коефіцієнт значно відрізняється від 0). Отже,тестрозміруαWald такий: відхилитиH0,коли| W| >zα/(β^−β0)seˆ(β^)∼N(0,1)(β^−β0)se^(β^)∼N(0,1) …

22 r  regression  hypothesis-testing  generalized-linear-model 

Я хочу краще зрозуміти пакети R Larsі Glmnet, які використовуються для вирішення задачі Лассо: (проpзмінні таNзразків, див.www.stanford.edu/~hastie/Papers/glmnet.pdfна сторінці 3)м я н( β0β) ∈ Rр + 1[ 12 Н∑i = 1N( уi- β0- хТiβ)2+ λ | | β| |л1]мiн(β0β)∈Rp+1[12N∑i=1N(уi-β0-хiТβ)2+λ||β||л1]min_{(\beta_0 \beta) \in R^{p+1}} \left[\frac{1}{2N}\sum_{i=1}^{N}(y_i-\beta_0-x_i^T\beta)^2 + \lambda||\beta ||_{l_{1}} \right]pppNNN Тому я застосував їх …

22 r  regression  machine-learning  lasso  regularization 

Припустимо, я маю деяку оцінку для кожного предмета на кожному сайті. Дві змінні, предмет і сайт, представляють інтерес з точки зору обчислення значень внутрішньокласової кореляції (ICC). Як правило, я би використовував функцію lmerз пакету R lme4і запускався lmer(measurement ~ 1 + (1 | subject) + (1 | site), mydata) Значення …

22 r  lme4-nlme  intraclass-correlation 

Я хочу повернути змінну на x , x 2 , … , x 5 . Чи слід це робити за допомогою сирих або ортогональних многочленів? Я переглянув питання на сайті, яке займається цим, але я не розумію, в чому різниця між їх використанням. yyyx,x2,…,x5x,x2,…,x5x,x^2,\ldots,x^5 Чому я не можу просто зробити …

22 r  regression  polynomial 

У мене є набір даних з трьома категоричними змінними, і я хочу візуалізувати взаємозв'язок між усіма трьома в одному графіку. Будь-які ідеї? В даний час я використовую наступні три графіки: Кожен графік відповідає рівню депресії базового рівня (легкий, помірний, сильний). Потім у кожному графіку я розглядаю залежність між лікуванням (0,1) …

21 r  data-visualization  categorical-data