Запитання з тегом «r»

Наскільки мені відомо, різниця між логістичною моделлю та моделлю дробового реагування (frm) полягає в тому, що залежна змінна (Y), в якій frm, [0,1], але логістична - {0, 1}. Крім того, frm використовує квазіімовірність для визначення його параметрів. Зазвичай ми можемо використовувати glmдля отримання логістичних моделей за glm(y ~ x1+x2, data …

13 r  logistic  generalized-linear-model  quasi-likelihood 

Моє запитання стосується техніки обчислень, що експлуатується в geoR:::.negloglik.GRFабо geoR:::solve.geoR. У налаштуваннях лінійної змішаної моделі: де і - фіксовані та випадкові ефекти відповідно. Такожβ b Σ = cov ( Y )Y= Xβ+ Zb + eY=Xβ+Zb+e Y=X\beta+Zb+e ββ\betaбbbΣ = cov ( Y)Σ=cov(Y)\Sigma=\text{cov}(Y) Оцінюючи ефекти, виникає потреба в обчисленні що зазвичай можна …

13 r  eigenvalues  matrix-decomposition  matrix-inverse  cholesky 

Я працюю над невеликим проектом, де ми намагаємось передбачити ціни на товари (нафта, алюміній, олово тощо) на наступні 6 місяців. У мене є 12 таких змінних, які можна передбачити, і у мене є дані з квітня 2008 р. По травень 2013 р. Як слід робити прогнозування? Я зробив наступне: Імпортовані …

13 r  time-series  forecasting  neural-networks  arima 

Я хотів би зробити W тест Шапіро Вілка і тест Колмогорова-Смірнова на залишки лінійної моделі, щоб перевірити їх нормальність. Мені було просто цікаво, які залишки слід використовувати для цього - залишки сировини, залишки Пірсона, залишки в студії або стандартизовані залишки? Для W тесту Shapiro-Wilk W виявляється, що результати для залишків …

13 r  regression  residuals  normality-assumption  lm 

З елементарної статистики я дізнався, що для загальної лінійної моделі, щоб умовиводи були дійсними, спостереження повинні бути незалежними. Якщо відбувається кластеризація, незалежність може більше не приводити до недійсного висновку, якщо це не враховується. Один із способів обліку такої кластеризації - це використання змішаних моделей. Я хотів би знайти приклад набору …

13 r  mixed-model  inference  independence 

Я отримав модель логістичної регресії (через train) для бінарного відповіді, і я отримав логістичну матрицю сплутаності через confusionMatrixв caret. Це дає мені матрицю плутанини логістичної моделі, хоча я не впевнений, який поріг використовується для її отримання. Як отримати матрицю плутанини для конкретних порогових значень, використовуючи confusionMatrixв caret?

13 r  classification  roc  caret  confusion-matrix 

У мене є дані про те, скільки користувачів публікує скільки питань. Наприклад, [UserCount, QuestionCount] [2, 100] [9, 10] [3, 80] ... ... Це означає, що кожен користувач опублікував 100 запитань, 9 користувачів - 10 питань тощо. Отже, як я можу визначити, чи відповідає UserCount, QuestionCountрозподіл закону про владу? Я знайшов …

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

Фон Я намагаюся зрозуміти перший приклад в курсі пристосування моделей (тому це може здатися смішно простим). Я зробив обчислення вручну, і вони відповідають прикладу, але коли я повторюю їх у R, коефіцієнти моделі вимкнено. Я вважав, що різниця може бути пов’язана з підручником із застосуванням дисперсії сукупності ( ), тоді …

13 r  regression  self-study  lm 

Взагалі мені цікаво, чи краще коли-небудь не використовувати ортогональні поліноми під час регресії із змінними вищого порядку. Зокрема, мені цікаво використання R: Якщо poly()з raw = FALSEвиробляє те ж значення, що і підігнаного poly()з raw = TRUE, і polyз raw = FALSEвирішуєте деякі з проблем , пов'язаних з поліноміальними регрессиями, …

13 r  regression  polynomial 

У мене є набір даних з припущенням, що найближчі сусіди є найкращими прогнозами. Просто прекрасний приклад двостороннього візуалізації градієнта- Припустимо, у нас є випадок, коли мало значень не вистачає, ми можемо легко передбачити, виходячи з сусідів та тенденції. Відповідна матриця даних у R (макетний приклад для тренування): miss.mat <- matrix …

13 r  prediction  outliers  data-imputation  multiple-imputation 

Я розумію поняття масштабування матриці даних для використання в лінійній регресійній моделі. Наприклад, в R ви можете використовувати: scaled.data <- scale(data, scale=TRUE) Єдине моє запитання - як правильно оцінювати нові спостереження, для яких я хочу передбачити вихідні значення? Було б scaled.new <- (new - mean(data)) / std(data),?

13 r  regression  prediction  scales 

Я працюю в R через чудовий підручник з PCA Ліндсей І Сміт, і я застрягаю на останній стадії. Сценарій R нижче приводить нас до етапу (на с. 19), де реконструюються оригінальні дані (головного компонента в цьому випадку), який повинен отримати прямий графік уздовж осі PCA1 (враховуючи, що дані має лише …

13 r  pca 

Я читав про t-тест Стьюдента, але, здається, він працює, коли можна припустити, що оригінальні дистрибутиви зазвичай розподіляються. У моєму випадку їх точно немає. Крім того, якщо у мене є 13 розподілів, чи потрібно робити 13^2тести?

13 r  hypothesis-testing  distributions 

Я використовую бібліотеку R 'multcomp' ( http://cran.r-project.org/web/packages/multcomp/ ) для обчислення тесту Даннета . Я використовую сценарій нижче: 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"))) Тепер, якщо я запускаю цей сценарій через консоль R кілька разів, я кожного разу отримую …

13 r  multiple-comparisons 

У R (2.15.2) я встановив один раз ARIMA (3,1,3) на часовій серії та один раз ARMA (3,3) на колись різнилися часові серії. Встановлені параметри відрізняються, що я відніс до методу підгонки в ARIMA. Крім того, встановлення ARIMA (3,0,3) на ті ж дані, що й ARMA (3,3), не призведе до однакових …

13 r  time-series  arima  fitting  arma