Preguntas etiquetadas con r

Tengo un conjunto de datos con variable continua y una variable objetivo binaria (0 y 1). Necesito discretizar las variables continuas (para la regresión logística) con respecto a la variable objetivo y con la restricción de que la frecuencia de observación en cada intervalo debe estar equilibrada. Intenté algoritmos de …

9 r  machine-learning  chi-squared  discrete-data  supervised-learning 

Estoy tratando de comprender el resultado del análisis de componentes principales realizado de la siguiente manera: > head(iris) Sepal.Length Sepal.Width Petal.Length Petal.Width Species 1 5.1 3.5 1.4 0.2 setosa 2 4.9 3.0 1.4 0.2 setosa 3 4.7 3.2 1.3 0.2 setosa 4 4.6 3.1 1.5 0.2 setosa 5 5.0 3.6 …

9 r  pca  interpretation 

Utilizo la decomposefunción Ry encuentro los 3 componentes de mi serie temporal mensual (tendencia, estacional y aleatoria). Si trazo el gráfico o miro la tabla, puedo ver claramente que la serie temporal se ve afectada por la estacionalidad. Sin embargo, cuando retrocedo la serie temporal en las 11 variables ficticias …

9 r  regression  time-series 

Estoy buscando un paquete que me ayude a resolver algunos problemas de optimización cuadrática y veo que hay al menos media docena de paquetes diferentes. De acuerdo con esta página: QP (programación cuadrática, 90C20): cplexAPI , kernlab , limSolve , LowRankQP , quadprog , Rcplex , Rmosek Algunos de estos …

9 r  optimization 

Tengo el siguiente conjunto de datos simple con dos variables continuas; es decir: d = data.frame(x=runif(100,0,100),y = runif(100,0,100)) plot(d$x,d$y) abline(lm(y~x,d), col="red") cor(d$x,d$y) # = 0.2135273 Necesito reorganizar los datos para que la correlación entre las variables sea ~ 0.6. Necesito mantener constantes las medias y otras estadísticas descriptivas (sd, min, …

9 r  correlation 

Estoy tratando de estimar el efecto promedio del tratamiento a partir de datos de observación utilizando la ponderación de puntaje de propensión (específicamente IPTW). Creo que estoy calculando el ATE correctamente, pero no sé cómo calcular el intervalo de confianza del ATE teniendo en cuenta los pesos del puntaje de …

9 r  survey  causality  propensity-scores  observational-study 

Tengo datos del siguiente diseño experimental: mis observaciones son recuentos del número de éxitos ( K) del número correspondiente de ensayos ( N), medidos para dos grupos, cada uno compuesto de Iindividuos, de Ttratamientos, donde en cada combinación de factores hay Rréplicas . Por lo tanto, en total tengo 2 …

9 r  generalized-linear-model  heteroscedasticity  log-linear  dglm 

En un modelo mixto lineal generalizado logístico (familia = binomio), no sé cómo interpretar la varianza de los efectos aleatorios: Random effects: Groups Name Variance Std.Dev. HOSPITAL (Intercept) 0.4295 0.6554 Number of obs: 2275, groups: HOSPITAL, 14 ¿Cómo interpreto este resultado numérico? Tengo una muestra de pacientes trasplantados renales en …

9 r  lme4-nlme 

La versión corta fuera de contexto Sea una variable aleatoria con CDF yyyF(⋅)≡{θθ+(1−θ)×CDFlog-normal(⋅;μ,σ) y = 0 y > 0F(⋅)≡{θ y = 0 θ+(1−θ)×CDFlog-normal(⋅;μ,σ) y > 0 F(\cdot) \equiv \cases{\theta & y = 0 \\ \theta + (1-\theta) \times \text{CDF}_{\text{log-normal}}(\cdot; \mu, \sigma) & y > 0} Digamos que quería simular dibujos …

9 r  distributions  sampling  simulation  copula 

He usado la función 'polr' en el paquete MASS para ejecutar una regresión logística ordinal para una variable de respuesta categórica ordinal con 15 variables explicativas continuas. He utilizado el código (que se muestra a continuación) para verificar que mi modelo cumpla con el supuesto de probabilidades proporcionales siguiendo los …

9 r  logistic  assumptions  ordered-logit  polr 

Quiero calcular / evaluar la convolución g(x)=∫Df(x−t)ϕ(t)dt,g(x)=∫Df(x−t)ϕ(t)dt,g(x)=\int_D f(x-t) \phi(t) dt, donde es una densidad y es una función suave con soporte compacto . La convolución no está disponible en forma cerrada y necesito integrarla numéricamente. Mi pregunta es: ¿hay una manera eficiente de hacer esto? Quiero implementarlo en R, por …

9 r  convolution 

Considere el siguiente código R: > data <- data.frame( a=c(NA,2,3,4,5,6),b=c(2.2,NA,6.1,8.3,10.2,12.13),c=c(4.2,7.9,NA,16.1,19.9,23)) > data a b c 1 NA 2.20 4.2 2 2 NA 7.9 3 3 6.10 NA 4 4 8.30 16.1 5 5 10.20 19.9 6 6 12.13 23.0 Como puede ver, he diseñado los datos de manera aproximada c …

9 r  data-imputation  multiple-imputation 

No estoy seguro de cómo proceder con este CFA que estoy haciendo en lavaan. Tengo una muestra de 172 participantes (sé que no es mucho para un CFA) y 28 elementos con escalas Likert de 7 puntos que deberían cargarse en siete factores. Hice un CFA con estimadores "mlm", pero …

9 r  sem  fitting  confirmatory-factor 

Quiero generar tiempo de supervivencia a partir de un modelo de riesgos proporcionales de Cox que contiene una covariable dependiente del tiempo. El modelo es h ( t | Xyo) = h0 0( t ) exp( γXyo+ α myo( t ) )h(t|Xi)=h0(t)exp⁡(γXi+αmi(t))h(t|X_i) =h_0(t) \exp(\gamma X_i + \alpha m_{i}(t)) donde se …

9 r  survival  cox-model  time-varying-covariate 

Tengo datos ruidosos de dos variables como esta. x1 <- rep(seq(0,1, 0.1), each = 3000) set.seed(123) y1 <- rep (c(0.2, 0.8, 0.3, 0.9, 0.65, 0.35,0.7,0.1,0.25, 0.3, 0.95), each = 3000) set.seed(1234) e1 = rnorm(length(x1), 0.07,0.07) set.seed(1223) e2 = rnorm(length(x1), 0.07,0.07) set.seed(1334) yn <- rnorm(20000, 0.5,0.9) set.seed(2344) xn <- rnorm(20000, 0.5,0.9) …

9 r  machine-learning  clustering