Domande taggate «r»

Usa questo tag per qualsiasi domanda * sull'argomento * che (a) coinvolga `R` come parte critica della domanda o risposta prevista, e (b) non è * solo * su come usare` R`.

2
Previsioni a un passo con il pacchetto dynlm R
Ho adattato un modello con diverse variabili indipendenti, una delle quali è il ritardo della variabile dipendente, usando il pacchetto dynlm. Supponendo che io abbia previsioni di un passo avanti per le mie variabili indipendenti, come posso ottenere previsioni di un passo avanti per le mie variabili dipendenti? Ecco un …
6
Prevedi dopo aver eseguito la funzione mlogit in R
Ecco cosa voglio fare, ma non sembra esserci alcun predictmetodo per il mlogit. Qualche idea? library(mlogit) data("Fishing", package = "mlogit") Fish <- mlogit.data(Fishing, varying = c(2:9), shape = "wide", choice = "mode") Fish_fit<-Fish[-1,] Fish_test<-Fish[1,] m <- mlogit(mode ~price+ catch | income, data = Fish_fit) predict(m,newdata=Fish_test)
5
Misurare la regressione alla media nel colpire le corse a casa
Chiunque segua il baseball probabilmente ha sentito parlare delle prestazioni fuori dal nulla del tipo MVP del Jose Bautista di Toronto. Nei quattro anni precedenti, ha segnato circa 15 corse in casa per stagione. L'anno scorso ha raggiunto 54, un numero superato da soli 12 giocatori nella storia del baseball. …
11 r  regression  modeling 
3
Stima dei parametri di un modello lineare dinamico
Voglio implementare (in R) seguente dinamica molto semplice modello lineare per cui Ho 2 variabili nel tempo parametri incogniti (la varianza dell'errore di osservazione e la varianza dell'errore stato ε 2 t ).ϵ1tϵt1\epsilon^1_tϵ2tϵt2\epsilon^2_t Ytθt+1==θt+ϵ1tθt+ϵ2tYt=θt+εt1θt+1=θt+εt2 \begin{matrix} Y_t & = & \theta_t + \epsilon^1_t\\ \theta_{t+1} & = & \theta_{t}+\epsilon^2_t \end{matrix} Voglio stimare …
11 r  mcmc  dlm  particle-filter 
1
Qual è la differenza tra summary () e loadings () per l'oggetto princomp () in R?
Codice di esempio: (pc.cr <- princomp(USArrests)) summary(pc.cr) loadings(pc.cr) ## note that blank entries are small but not zero Ricevo output diversi da ciascuno e non sono sicuro di capire quale sia la differenza. Ecco l'output: > summary(pc.cr) Importance of components: Comp.1 Comp.2 Comp.3 Comp.4 Standard deviation 82.8908472 14.06956001 6.424204055 2.4578367034 …
11 r  pca 
1
Frecce delle variabili sottostanti nel biplot PCA in R
A rischio di rendere la domanda specifica per il software, e con la scusa della sua ubiquità e idiosincrasie, voglio fare una domanda sulla funzione biplot()in R e, più specificamente, sul calcolo e sulla stampa delle sue frecce rosse sovrapposte predefinite, corrispondenti alle variabili sottostanti. [Per dare un senso ad …
11 r  pca  biplot 
1
R / mgcv: Perché i prodotti tensor te () e ti () producono superfici diverse?
Il mgcvpacchetto per Rha due funzioni per adattare le interazioni del prodotto tensore: te()e ti(). Comprendo la divisione di base del lavoro tra i due (adattamento di un'interazione non lineare rispetto alla scomposizione di questa interazione in effetti principali e un'interazione). Quello che non capisco è perché te(x1, x2)e ti(x1) …
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
Come simulare i dati censurati
Mi chiedo come posso simulare un campione di n vite di distribuzione Weibull che includano osservazioni censurate a destra di tipo I. Ad esempio, consente di avere n = 3, forma = 3, scala = 1 e il tasso di censura = .15 e il tempo di censura = .88. …
Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.
Licensed under cc by-sa 3.0 with attribution required.