Statistiken und Big Data r

1

Daten aus verschiedenen Quellen kombinieren

Ich möchte Daten aus verschiedenen Quellen kombinieren. Angenommen, ich möchte eine chemische Eigenschaft (z. B. einen Verteilungskoeffizienten ) abschätzen : Ich habe einige empirische Daten, die aufgrund von Messfehlern um den Mittelwert variieren. Und zweitens habe ich ein Modell, das eine Schätzung aus anderen Informationen vorhersagt (das Modell weist auch …

8 r bayesian meta-analysis jags

1

Fehler bei der Anpassung eines zensierten Quantil-Regressionsmodells

Ich habe ein Ergebnis mit der richtigen Zensur wie folgt: y<-c(rep(2.83,3), rep(3.17,4), rep(3.83,4), rep(4.17,5), rep(4.83,8), rep(5.5,3), rep(7.17,5), rep(8.17,7), rep(8.83,12), rep(9.5, 12), rep(9.83,17), rep(10.17,30), rep(10.50,100)) Wo y=10.5sind die richtigen Zensurwerte? Dann würde ich versuchen, quantreg::crqein zensiertes Quantil-Regressionsmodell anzupassen und mit einer binären Interventionsvariablen zu beginnen: set.seed(123) require(quantreg) yc<-rep(10.5, length(y)) treat<-rbinom(length(y), 1, …

8 r quantile-regression

2

Summe der normal abgeschnittenen Zufallsvariablen

Angenommen, ich habe unabhängige normale Zufallsvariablennnn X.1∼ N ( μ1, σ21)X.2∼ N ( μ2, σ22)⋮X.n∼ N ( μn, σ2n)X1∼N(μ1,σ12)X2∼N(μ2,σ22)⋮Xn∼N(μn,σn2)X_1 \sim \mathrm{N}(\mu_1, \sigma_1^2)\\X_2 \sim \mathrm{N}(\mu_2, \sigma_2^2)\\\vdots\\X_n \sim \mathrm{N}(\mu_n, \sigma_n^2) und . Wie würde ich die Dichte von charakterisieren, wenn die Verteilung jedes jeweils auf das abgeschnitten wäre ? Mit anderen Worten, …

8 r normal-distribution pdf truncation saddlepoint-approximation

2

Clustering von Daten mit einer Mischung aus kontinuierlichen und kategorialen Variablen

Ich habe Daten, die einen Aspekt des menschlichen Verhaltens darstellen. Ich möchte es (unbeaufsichtigt) in irgendeine Art von Verhaltensprofilen gruppieren. Jetzt sind einige meiner Variablen kategorisch (mit 2 oder mehr Kategorien) und einige sind kontinuierlich (die meisten sind Prozentsätze). Einige Variablen sind noch komplexer, da eine Kategorie weiter kontinuierlich ist …

8 r clustering categorical-data continuous-data

1

Simulieren Sie Regressionsdaten, wobei die abhängige Variable nicht normal verteilt ist

Für die Regressionsanalyse ist es häufig hilfreich, den Datengenerierungsprozess zu kennen, um zu überprüfen, wie die verwendete Methode funktioniert. Während es für eine einfache lineare Regression ziemlich einfach ist, dies zu tun, ist dies nicht der Fall, wenn die abhängige Variable einer bestimmten Verteilung folgen muss. Betrachten Sie eine einfache …

8 r regression simulation random-generation

1

Wann sollte ich jede dieser Methoden verwenden, um die Korrelation zu berechnen?

Ich benutze R für die Datenanalyse. R liefert eine corrFunktion zur Berechnung der Korrelation. Diese Funktion bietet drei verschiedene Ansätze / Algorithmen zur Schätzung der corrPearson, Spearman und Kendall. Wann sollte ich jede dieser Methoden anwenden? Welche Faktoren bestimmen, welche Methode angewendet werden soll?

8 correlation r

1

Intervallzensur

Ich habe eine Intervallzensur-Überlebenskurve mit R, JMP und SAS durchgeführt. Beide gaben mir identische Grafiken, aber die Tabellen unterschieden sich ein wenig. Dies ist die Tabelle, die JMP mir gegeben hat. Start Time End Time Survival Failure SurvStdErr . 14.0000 1.0000 0.0000 0.0000 16.0000 21.0000 0.5000 0.5000 0.2485 28.0000 36.0000 …

8 r survival sas jmp interval-censoring

3

Vorhersage der kontinuierlichen Variablen mit dem Paket „bnlearn“ in R.

Ich verwende das bnlearn-Paket in R, um die Struktur meines Bayes'schen Netzwerks und seine Parameter zu lernen. Was ich tun möchte, ist, den Wert eines Knotens anhand des Werts anderer Knoten als Beweis "vorherzusagen" (offensichtlich mit Ausnahme des Knotens, dessen Werte wir vorhersagen). Ich habe kontinuierliche Variablen. library(bnlearn) # Load …

8 r machine-learning prediction bayesian-network

1

Interpretation der Dendrogrammhöhe für die Clusterbildung durch Korrelation

Angesichts des folgenden Datenrahmens: df <- data.frame(x1 = c(26, 28, 19, 27, 23, 31, 22, 1, 2, 1, 1, 1), x2 = c(5, 5, 7, 5, 7, 4, 2, 0, 0, 0, 0, 1), x3 = c(8, 6, 5, 7, 5, 9, 5, 1, 0, 1, 0, 1), x4 = …

8 r correlation hierarchical-clustering

2

Wie gehe ich mit Infs in einer statistischen Funktion richtig um?

Angenommen, ich habe eine Funktion wie: f <- function(x){ exp(x) / (1 + exp(x)) } Es soll für jeden realen Wert von x funktionieren, aber tatsächlich gibt es NaN zurück, wenn x 710 oder größer ist. Ich frage mich, wie ich dieses Problem richtig behandeln kann. Mir ist klar, dass …

8 r function numerics

3

Berücksichtigt die Boruta-Merkmalsauswahl (in R) die Korrelation zwischen Variablen?

Ich bin ein Anfänger in der R- und Feature-Auswahl und habe versucht, mit dem Boruta-Paket meine Anzahl von Variablen auszuwählen (zu verringern) (n = 40). Ich dachte, dass diese Methode auch die mögliche Korrelation zwischen Variablen berücksichtigt, jedoch sind zwei (von den 20 ausgewählten Variablen) stark korreliert und zwei andere …

8 r feature-selection random-forest boruta

1

Zeitreihen sind offensichtlich periodisch, aber die saisonale Zerlegung funktioniert in R nicht [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 . Meine Zeitreihe ist offensichtlich periodisch, aber die saisonale Zerlegung mit stl () funktioniert in R …

8 r time-series seasonality

1

Testen auf Überdispersion in der logistischen Regression

R in Action (Kabacoff, 2011) schlägt die folgende Routine vor, um die Überdispersion in einer logistischen Regression zu testen: Passen Sie die logistische Regression mithilfe der Binomialverteilung an: model_binom <- glm(Species=="versicolor" ~ Sepal.Width, family=binomial(), data=iris) Anpassung der logistischen Regression mithilfe der Quasibinomverteilung: model_overdispersed <- glm(Species=="versicolor" ~ Sepal.Width, family=quasibinomial(), data=iris) Verwenden …

8 r regression distributions logistic overdispersion

1

Variationsinferenzmaschinen

Nach einigen Recherchen zu diesem Thema habe ich ein überraschendes Defizit an Inferenzpaketen und Bibliotheken festgestellt, die auf Nachrichtenübermittlungs- oder Optimierungsmethoden für Python und R beruhen. Nach meinem besten Wissen sind diese Methoden äußerst nützlich. Zum Beispiel sollte für ein Bayes-Netzwerk (gerichtet, azyklisch) die Glaubensausbreitung allein in der Lage sein, …

8 r python bayes variational-bayes

2

Warum gibt es keine Datenmodelle mit einer aufgeblasenen Anzahl?

Ich arbeite mit dem psclPaket an Datenmodellen mit Null-Inflation . Ich frage mich nur, warum es keine Entwicklung von Modellen für Datenmodelle mit einer aufgeblasenen Anzahl gibt! Auch, warum es keine Entwicklung von bimodalen, sagen wir null und zwei aufgeblasenen Zähldatenmodellen gibt! Einmal habe ich einmal aufgeblasene Poisson-Daten generiert und …

8 r generalized-linear-model zero-inflation poisson-regression

Als «r» getaggte Fragen