Als «r» getaggte Fragen

Verwenden Sie dieses Tag für jede * themenbezogene * Frage, bei der (a) "R" entweder als kritischer Teil der Frage oder als erwartete Antwort enthält, und (b) nicht * nur * die Verwendung von "R" betrifft.

3
Schätzen von Parametern eines dynamischen linearen Modells
Ich möchte (in R) das folgende sehr einfache dynamische lineare Modell implementieren, für das ich 2 unbekannte zeitvariable Parameter habe (die Varianz des Beobachtungsfehlers und die Varianz des Zustandsfehlers ). ϵ 2 tϵ1tϵt1\epsilon^1_tϵ2tϵt2\epsilon^2_t Y.tθt + 1==θt+ ϵ1tθt+ ϵ2tYt=θt+ϵt1θt+1=θt+ϵt2 \begin{matrix} Y_t & = & \theta_t + \epsilon^1_t\\ \theta_{t+1} & = & …
11 r  mcmc  dlm  particle-filter 
1
Was ist der Unterschied zwischen summary () und loadings () für das princomp () -Objekt in R?
Beispielcode: (pc.cr <- princomp(USArrests)) summary(pc.cr) loadings(pc.cr) ## note that blank entries are small but not zero Ich erhalte von jedem unterschiedliche Ausgänge und bin mir nicht sicher, ob ich den Unterschied verstehe. Hier ist die Ausgabe: > summary(pc.cr) Importance of components: Comp.1 Comp.2 Comp.3 Comp.4 Standard deviation 82.8908472 14.06956001 6.424204055 …
11 r  pca 
6
Wie finde ich zusammenfassende Statistiken für alle eindeutigen Kombinationen von Faktoren in einem data.frame in R? [geschlossen]
Geschlossen. Diese Frage ist nicht zum Thema . Derzeit werden keine Antworten akzeptiert. Möchten Sie diese Frage verbessern? Aktualisieren Sie die Frage so dass es beim Thema für Kreuz Validated. Geschlossen vor 2 Jahren . Ich möchte eine Zusammenfassung einer Variablen in einem data.frame für jede eindeutige Kombination von Faktoren …
1
Pfeile der zugrunde liegenden Variablen im PCA-Biplot in R.
Auf die Gefahr hin, die Frage softwarespezifisch zu machen, und mit der Entschuldigung ihrer Allgegenwart und Eigenheiten möchte ich nach der Funktion biplot()in R und insbesondere nach der Berechnung und Darstellung der entsprechenden, überlagerten Standardpfeile fragen zu den zugrunde liegenden Variablen. [Um einige der Kommentare zu verstehen, hatten die ursprünglich …
11 r  pca  biplot 
1
R / mgcv: Warum produzieren te () und ti () Tensorprodukte unterschiedliche Oberflächen?
Das mgcvPaket für Rhat zwei Funktionen zum Anpassen von Tensorproduktwechselwirkungen: te()und ti(). Ich verstehe die grundlegende Arbeitsteilung zwischen den beiden (Anpassen einer nichtlinearen Wechselwirkung vs. Zerlegen dieser Wechselwirkung in Haupteffekte und eine Wechselwirkung). Was ich nicht verstehe, ist warum te(x1, x2)und ti(x1) + ti(x2) + ti(x1, x2)kann (leicht) unterschiedliche Ergebnisse …
11 r  gam  mgcv  conditional-probability  mixed-model  references  bayesian  estimation  conditional-probability  machine-learning  optimization  gradient-descent  r  hypothesis-testing  wilcoxon-mann-whitney  time-series  bayesian  inference  change-point  time-series  anova  repeated-measures  statistical-significance  bayesian  contingency-tables  regression  prediction  quantiles  classification  auc  k-means  scikit-learn  regression  spatial  circular-statistics  t-test  effect-size  cohens-d  r  cross-validation  feature-selection  caret  machine-learning  modeling  python  optimization  frequentist  correlation  sample-size  normalization  group-differences  heteroscedasticity  independence  generalized-least-squares  lme4-nlme  references  mcmc  metropolis-hastings  optimization  r  logistic  feature-selection  separation  clustering  k-means  normal-distribution  gaussian-mixture  kullback-leibler  java  spark-mllib  data-visualization  categorical-data  barplot  hypothesis-testing  statistical-significance  chi-squared  type-i-and-ii-errors  pca  scikit-learn  conditional-expectation  statistical-significance  meta-analysis  intuition  r  time-series  multivariate-analysis  garch  machine-learning  classification  data-mining  missing-data  cart  regression  cross-validation  matrix-decomposition  categorical-data  repeated-measures  chi-squared  assumptions  contingency-tables  prediction  binary-data  trend  test-for-trend  matrix-inverse  anova  categorical-data  regression-coefficients  standard-error  r  distributions  exponential  interarrival-time  copula  log-likelihood  time-series  forecasting  prediction-interval  mean  standard-error  meta-analysis  meta-regression  network-meta-analysis  systematic-review  normal-distribution  multiple-regression  generalized-linear-model  poisson-distribution  poisson-regression  r  sas  cohens-kappa 
2
So simulieren Sie zensierte Daten
Ich frage mich, wie ich eine Stichprobe von n Weibull-Verteilungslebensdauern simulieren kann, die rechtszensierte Beobachtungen vom Typ I enthalten. Zum Beispiel haben wir n = 3, Form = 3, Skala = 1 und die Zensurrate = 0,15 und die Zensurzeit = 0,88. Ich weiß, wie man eine Weibull-Stichprobe erzeugt, aber …
4
Teilen Sie die Daten in N gleiche Gruppen auf
Ich habe einen Datenrahmen, der Werte in 4 Spalten enthält: Zum Beispiel: ID, price, click count,rating Was ich tun möchte, ist, diesen Datenrahmen in N verschiedene Gruppen "aufzuteilen", wobei jede Gruppe die gleiche Anzahl von Zeilen mit der gleichen Verteilung von Preis-, Klickzahl- und Bewertungsattributen hat. Jeder Rat wird sehr …
11 r  distributions 
2
Wie führe ich eine Restanalyse für binäre / dichotome unabhängige Prädiktoren in der linearen Regression durch?
Ich führe die unten stehende multiple lineare Regression in R durch, um die Rendite des verwalteten Fonds vorherzusagen. reg <- lm(formula=RET~GRI+SAT+MBA+AGE+TEN, data=rawdata) Hier sind nur GRI & MBA binäre / dichotome Prädiktoren; Die verbleibenden Prädiktoren sind kontinuierlich. Ich verwende diesen Code, um Residuendiagramme für die binären Variablen zu generieren. plot(rawdata$GRI, …
Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.