Preguntas etiquetadas con r

Dado un resultado de optim con una matriz de arpillera, ¿cómo calcular los intervalos de confianza de los parámetros utilizando la matriz de arpillera? fit<-optim(..., hessian=T) hessian<-fit$hessian Estoy principalmente interesado en el contexto del análisis de máxima verosimilitud, pero tengo curiosidad por saber si el método puede expandirse más allá.

22 r  maximum-likelihood 

Tener, digamos, los siguientes datos: 8232302 684531 116857 89724 82267 75988 63871 23718 1696 436 439 248 235 Desea una forma simple de ajustar esto (y varios otros conjuntos de datos) a una distribución de Pareto. Idealmente, generaría los valores teóricos coincidentes, menos idealmente los parámetros.

22 r  pareto-distribution 

Tengo una serie temporal que contiene componentes dobles estacionales y me gustaría descomponer la serie en los siguientes componentes de la serie temporal (tendencia, componente estacional 1, componente estacional 2 y componente irregular). Hasta donde sé, el procedimiento STL para descomponer una serie en R solo permite un componente estacional, …

22 r  time-series  forecasting  decomposition  multiple-seasonalities 

Estaba tratando de ajustar datos de una serie de tiempo (sin réplicas) usando el modelo de regresión. Los datos son los siguientes: > xx.2 value time treat 1 8.788269 1 0 2 7.964719 6 0 3 8.204051 12 0 4 9.041368 24 0 5 8.181555 48 0 6 8.041419 96 …

22 r  regression  statistical-significance  anova  p-value 

Puede usar el conjunto de datos de decatlón {FactoMineR} para reproducir esto. La pregunta es por qué los valores propios calculados difieren de los de la matriz de covarianza. Aquí están los valores propios usando princomp: > library(FactoMineR);data(decathlon) > pr <- princomp(decathlon[1:10], cor=F) > pr$sd^2 Comp.1 Comp.2 Comp.3 Comp.4 Comp.5 …

22 r  pca 

No estoy seguro de que el sujeto entre en el interés CrossValidated. Me lo dirás Tengo que estudiar un gráfico (de la teoría de gráficos ), es decir. Tengo una cierta cantidad de puntos que están conectados. Tengo una tabla con todos los puntos y los puntos de los que …

22 r  data-visualization  graph-theory 

Esta pregunta se migró de Stack Overflow porque se puede responder en Cross Validated. Migrado hace 5 años . He leído otros temas sobre las parcelas de dependencia parcial y la mayoría de ellos tratan sobre cómo los trazas realmente con diferentes paquetes, no cómo puedes interpretarlos con precisión, entonces: …

22 r  classification  data-visualization  random-forest  interpretation 

Hemos ejecutado una regresión logística de efectos mixtos utilizando la siguiente sintaxis; # fit model fm0 <- glmer(GoalEncoding ~ 1 + Group + (1|Subject) + (1|Item), exp0, family = binomial(link="logit")) # model output summary(fm0) Sujeto y elemento son los efectos aleatorios. Estamos obteniendo un resultado impar, que es el coeficiente …

22 r  mixed-model  stata  glmm  lme4-nlme 

Tengo una matriz semi-pequeña de características binarias de dimensión 250k x 100. Cada fila es un usuario y las columnas son "etiquetas" binarias de algún comportamiento del usuario, por ejemplo, "likes_cats". user 1 2 3 4 5 ... ------------------------- A 1 0 1 0 1 B 0 1 0 1 …

22 r  clustering  binary-data 

Recientemente he estado leyendo sobre la prueba U de Mann-Whitney. Resulta que para llevar a cabo esta prueba en R, ¡realmente necesitas ejecutar una prueba de Wilcoxon! Mi pregunta: ¿es la estadística W de wilcox.testR idéntica a la estadística U?

22 r  wilcoxon-mann-whitney 

Yo entiendo que la prueba de Wald para los coeficientes de regresión se basa en la propiedad después de que mantiene asintóticamente (por ejemplo Wasserman (2006): Todos Estadística , páginas 153, 214-215): Dondeβdenota el coeficiente de regresión estimado,^SE(β)denota el error estándar del coeficiente de regresión yβ0es el valor de interés …

22 r  regression  hypothesis-testing  generalized-linear-model 

Quiero comprender mejor los paquetes R Larsy Glmnet, que se utilizan para resolver el problema de Lasso: (para Variables y muestras, ver www.stanford.edu/~hastie/Papers/glmnet.pdf en la página 3)m i n( β0 0β) ∈ Rp + 1[ 12 N∑i = 1norte( yyo- β0 0- xTyoβ)2+ λ | El | βEl | El …

22 r  regression  machine-learning  lasso  regularization 

Supongamos que tengo alguna medida para cada sujeto en cada sitio. Dos variables, sujeto y sitio, son de interés en términos de cálculo de valores de correlación intraclase (ICC). Normalmente, usaría la función lmerdel paquete R lme4y ejecutaría lmer(measurement ~ 1 + (1 | subject) + (1 | site), mydata) …

22 r  lme4-nlme  intraclass-correlation 

Quiero hacer una regresión de una variable en . ¿Debo hacer esto usando polinomios en bruto u ortogonales? Miré la pregunta en el sitio que se ocupa de estos, pero realmente no entiendo cuál es la diferencia entre usarlos. yyyx,x2,…,x5X,X2,...,X5 5x,x^2,\ldots,x^5 ¿Por qué no puedo simplemente hacer una regresión "normal" …

22 r  regression  polynomial 

Tengo un conjunto de datos con tres variables categóricas y quiero visualizar la relación entre las tres en un gráfico. ¿Algunas ideas? Actualmente estoy usando los siguientes tres gráficos: Cada gráfico es para un nivel de depresión basal (leve, moderado, severo). Luego, dentro de cada gráfico, miro la relación entre …

21 r  data-visualization  categorical-data