Preguntas etiquetadas con r

Estoy luchando con los puntos de proyección en el análisis discriminante lineal (LDA). Muchos libros sobre métodos estadísticos multivariados ilustran la idea de la LDA con la siguiente figura. La descripción del problema es la siguiente. Primero necesitamos dibujar el límite de decisión, agregar una línea perpendicular y luego trazar …

9 r  machine-learning  classification  discriminant-analysis 

Aquí están los datos: > tires <- data.frame(Wear = c(17, 14, 12, 13, 14, 14, 12, 11, 13, 13, 10, 11, 13, 8, 9, 9), Brand = rep(LETTERS[1:4], 4), Car = as.character(as.roman(rep(1:4, each = 4)))) > tires Wear Brand Car 1 17 A I 2 14 B I 3 12 …

9 r  anova  dataset  degrees-of-freedom 

R en acción (Kabacoff, 2011) sugiere la siguiente rutina para evaluar la sobredispersión en una regresión logística: Ajustar regresión logística usando distribución binomial: model_binom <- glm(Species=="versicolor" ~ Sepal.Width, family=binomial(), data=iris) Ajuste de regresión logística usando distribución cuasibinomial: model_overdispersed <- glm(Species=="versicolor" ~ Sepal.Width, family=quasibinomial(), data=iris) Use chi-cuadrado para probar la sobredispersión: …

9 r  regression  distributions  logistic  overdispersion 

Hago una regresión lineal usando la función R lm: x = log(errors) plot(x,y) lm.result = lm(formula = y ~ x) abline(lm.result, col="blue") # showing the "fit" in blue Pero no encaja bien. Lamentablemente no puedo entender el manual. ¿Alguien puede señalarme en la dirección correcta para encajar esto mejor? Al …

9 r  regression 

¿Es posible trazar un diagrama de dependencia parcial para mostrar la probabilidad de clase y estimar los efectos de un predictor para un modelo GBM ? Algo similar al partialPlotdel randomForestpaquete. Según este artículo , una trama parcial es factible con gbm. Gracias de antemano por tu ayuda.

9 r  gbm 

Tengo datos de accidentes automovilísticos por hora del día. Como era de esperar, son altas en la mitad del día y alcanzan su punto máximo en la hora pico. geom_density predeterminado de ggplot2 lo suaviza muy bien Un subconjunto de los datos, para los accidentes relacionados con la bebida, es …

9 r  pdf  kernel-smoothing  splines 

Digamos que tenemos los siguientes datos: set.seed(123) data <- data.frame(x = c(rnorm(50, 1, 1), rnorm(50, 5, 2)), y = c(rep('A', 50), rep('B', 50))) Lo que produce el siguiente diagrama de caja ( boxplot(data$x ~ data$y)): Ahora digamos que quiero probar si las dos muestras tienen los mismos parámetros de ubicación …

9 r  nonparametric  wilcoxon-mann-whitney 

No soy un experto, así que perdóname si parte de la terminología es un poco torpe. Estaremos encantados de proporcionar más información cuando sea necesario. Tengo dos vectores de 50 valores numéricos emparejados en R. Quiero realizar una prueba de aleatorización o permutación de dos colas para determinar si sus …

9 r  statistical-significance  permutation-test 

Me pregunto si hay una buena manera de calcular el criterio de agrupamiento basado en la fórmula BIC, para una salida de k-medias en R? Estoy un poco confundido sobre cómo calcular ese BIC para poder compararlo con otros modelos de agrupación. Actualmente estoy usando la implementación del paquete de …

9 r  clustering  k-means  bic 

Estoy produciendo un script para crear muestras de bootstrap del catsconjunto de datos (del -MASS-paquete). Siguiendo el libro de texto de Davidson y Hinkley [1], realicé una regresión lineal simple y adopté un procedimiento no paramétrico fundamental para el arranque de las observaciones de iid, a saber, el remuestreo de …

9 r  bootstrap  fixed-effects-model 

Tengo un gran conjunto de predictores (más de 43,000) para predecir una variable dependiente que puede tomar 2 valores (0 o 1). El número de observaciones es más de 45,000. La mayoría de los predictores son unigramas, bigramas y trigramas de palabras, por lo que existe un alto grado de …

9 r  multiple-regression  lasso  glmnet 

Usando plot.rqel quantregpaquete en R, podemos trazar la distribución de estimación de coeficientes y obtener algo como esto: ¿Cuáles son las líneas rojas punteadas? La búsqueda exhaustiva en Google ha revelado que el del medio es el promedio de las 99 estimaciones, pero aún no conoce la línea roja punteada.

9 r  data-visualization  quantile-regression 

Estoy usando rank(a, ties.method="max")para clasificar a. Pero no estoy muy seguro de lo que ties.method="max"hace. ¿Puedes por favor ayudarme?

9 r  ranks  ties 

Me gustaría obtener intervalos de confianza del 95% para los centroides basados ​​en la similitud de Gower entre algunas muestras mulivariadas (datos de la comunidad de núcleos de sedimentos). Hasta ahora he usado el vegan{}paquete en R para obtener una similitud de Gower modificada entre los núcleos (basado en Anderson …

9 r  confidence-interval 

Tengo un conjunto de datos médicos con aproximadamente 200 variables. Una de las variables es un marcador biológico (concentración de una enzima particular). Su distribución es correcta, y el problema es que los valores por encima de cierto nivel están censurados / cortados en ese nivel. Entonces, mientras que la …

9 r  epidemiology  data-imputation  censoring