Preguntas etiquetadas con r

Actualmente estoy usando R para predecir una serie temporal con estas instrucciones: X <- ts(datas, frequency=24) X.arima <- Arima(X, order=c(2,1,0), seasonal=c(1,1,1)) pred <- predict(X.arima, n.ahead=24) plot.ts(pred$pred) Como puede ver, tengo datos cada hora, y elegí el período estacional de 24 (un día). Me gustaría mejorar mi pronóstico utilizando un período …

8 r  time-series  arima  seasonality  multiple-seasonalities 

Los datos consisten en espectros ópticos (intensidad de luz contra frecuencia) registrados en diferentes tiempos. Los puntos se adquirieron en una cuadrícula regular en x (tiempo), y (frecuencia). Para analizar la evolución del tiempo a frecuencias específicas (un aumento rápido, seguido de una disminución exponencial), me gustaría eliminar parte del …

8 r  time-series  multivariate-analysis  references  smoothing 

¿Alguien tiene un breve ejemplo educativo breve sobre cómo usar las redes neuronales ( nneten R por ejemplo) con el propósito de predicción? Aquí hay un ejemplo, en R, de una serie temporal T <- seq(0,20,length=200) Y <- 1 + 3*cos(4*T+2) +.2*T^2 + rnorm(200) plot(T,Y,type="l") Esto es solo un ejemplo, …

8 r  time-series  machine-learning  neural-networks  nnet 

He estado investigando el paquete de ratones , y aún no he descubierto una forma de usar las imputaciones múltiples para hacer un modelo de Cox, luego validar ese modelo con la función del paquete rmsvalidate() . Aquí hay un código de muestra de lo que tengo hasta ahora, usando …

8 r  survival  cox-model  data-imputation  rms 

Como seguimiento a la sugerencia del Modelo para una regresión de Cox con covariables dependientes del tiempo, aquí está la gráfica de Kaplan Meier que explica la naturaleza dependiente del tiempo de los embarazos. En otras palabras, el conjunto de datos ahora se divide en un conjunto de datos largo …

8 r  data-visualization  survival 

Mi conjunto de datos tiene las siguientes variables: Tratamiento (4 tipos- fijo) Ubicación (8 ubicaciones- fijo) Posición en la ubicación (3 posiciones por ubicación, fija) Se toman muestras en cada posición (3 muestras por posición aleatoria) Tiempo (dos tiempos de muestreo - fijo) Tasa de mineralización (como resultado del análisis …

8 r  anova  repeated-measures  split-plot  nested-data 

He medido dos parámetros (carbono orgánico disuelto DOC = y, y descarga = x). Cuando estas dos variables se trazan una contra la otra, obtenemos un ciclo de histéresis (vea el ejemplo de código y la imagen). Ahora, para un análisis más detallado, me gustaría determinar el área de este …

8 r  data-visualization  geometry 

Logré crear una red neuronal de mis datos. Pero no estoy tan seguro sobre la interpretación de la salida R. Usé el siguiente comando para crear una red neuronal: > net=nnet(formula = category~iplen+date_time, size=0,skip=T,lineout=T) # weights: 3 initial value 136242.000000 final value 136242.000000 converged Luego usé el siguiente comando para …

8 r  neural-networks 

Tengo dos grupos de 10 participantes que fueron evaluados tres veces durante un experimento. Para probar las diferencias entre los grupos y entre las tres evaluaciones, ejecuté un ANOVA de diseño mixto 2x3 con group(control, experimental), time(primero, segundo, tres) y group x time. Ambos timey groupresultaron significativos, además hubo una …

8 anova  mixed-model  spss  post-hoc  bonferroni  time-series  unevenly-spaced-time-series  classification  normal-distribution  discriminant-analysis  probability  normal-distribution  estimation  sampling  classification  svm  terminology  pivot-table  random-generation  self-study  estimation  sampling  estimation  categorical-data  maximum-likelihood  excel  least-squares  instrumental-variables  2sls  total-least-squares  correlation  self-study  variance  unbiased-estimator  bayesian  mixed-model  ancova  statistical-significance  references  p-value  fishers-exact  probability  monte-carlo  particle-filter  logistic  predictive-models  modeling  interaction  survey  hypothesis-testing  multiple-regression  regression  variance  data-transformation  residuals  minitab  r  time-series  forecasting  arima  garch  correlation  estimation  least-squares  bias  pca  predictive-models  genetics  sem  partial-least-squares  nonparametric  ordinal-data  wilcoxon-mann-whitney  bonferroni  wilcoxon-signed-rank  traminer  regression  econometrics  standard-error  robust  misspecification  r  probability  logistic  generalized-linear-model  r-squared  effect-size  gee  ordered-logit  bayesian  classification  svm  kernel-trick  nonlinear  bayesian  pca  dimensionality-reduction  eigenvalues  probability  distributions  mathematical-statistics  estimation  nonparametric  kernel-smoothing  expected-value  filter  mse  time-series  correlation  data-visualization  clustering  estimation  predictive-models  recommender-system  sparse  hypothesis-testing  data-transformation  parametric  probability  summations  correlation  pearson-r  spearman-rho  bayesian  replicability  dimensionality-reduction  discriminant-analysis  outliers  weka 

Un rápido vistazo a la página de ayuda del generador de números aleatorios de espectáculos R que se puede elegir entre 7 generadores predefinidos ( Wichmann-Hill, Marsaglia-Multicarry, Super-Duper, Mersenne-Twister, Knuth-TAOCP-2002, Knuth-TAOCP, L'Ecuyer-CMRG). ?Random El valor predeterminado es Mersenne-Twister , que parece ser muy bueno. Entonces, ¿por qué necesitarías usar otro?

8 r  random-generation 

Tengo el modelo que necesito estimar, con y .Y=π0 0+π1X1+π2X2+π3X3+ ε ,Y=π0 0+π1X1+π2X2+π3X3+ε, Y = \pi_0 + \pi_1 X_1 + \pi_2 X_2 + \pi_3 X_3 + \varepsilon, ∑kπk= 1 para k ≥ 1∑kπk=1 para k≥1\sum_k \pi_k = 1 \text{ for }k \geq 1πk≥ 0 para k ≥ 1πk≥0 0 para …

8 r  regression  econometrics  least-squares  constrained-regression 

Actualización : dado que ahora sé que mi problema se llama separación casi completa , actualicé la pregunta para reflejar esto (gracias a Aaron). Tengo un conjunto de datos de un experimento en el que 29 participantes humanos (factor code) trabajaron en un conjunto de ensayos y responsefue 1 o …

8 r  logistic  standard-error  lme4-nlme  separation 

Tengo un problema de regresión múltiple, que intenté resolver usando una regresión múltiple simple: model1 <- lm(Y ~ X1 + X2 + X3 + X4 + X5, data=data) Esto parece estar explicando el 85% de la varianza (según R cuadrado) que parece bastante bueno. Sin embargo, lo que me preocupa …

8 r  regression  multiple-regression 

Supongamos que estoy construyendo un clasificador de regresión logística que predice si alguien está casado o soltero. (1 = casado, 0 = soltero) Quiero elegir un punto en la curva de recuperación de precisión que me brinde al menos un 75% de precisión, por lo que quiero elegir umbralest1t1t_1 y …

8 r  precision-recall 

Estoy calculando algunas probabilidades condicionales y los intervalos de confianza del 95% asociados. Para muchos de mis casos, tengo recuentos directos de xéxitos fuera de los nensayos (de una tabla de contingencia), por lo que puedo usar un intervalo de confianza binomial, como se proporciona binom.confint(x, n, method='exact')en R. Sin …

8 r  bayesian  confidence-interval  conditional-probability  hidden-markov-model  segmentation  hypothesis-testing  statistical-significance  multiple-comparisons  multiple-regression  r  regression  survey  sample  finite-population  pca  model-selection  dataset  partitioning  clustering  time-series  least-squares  regression  standard-error  causality  r  time-series  outliers  missing-data  machine-learning  svm  hypothesis-testing  discrete-data  r  data-visualization  survey  likert  finance  regression  pca  feature-selection  stepwise-regression  underdetermined  svm  natural-language