Questions marquées «data-visualization»

Construire des représentations graphiques significatives et utiles des données. (Si votre question porte uniquement sur la façon d'obtenir un logiciel particulier pour produire un effet spécifique, alors ce n'est probablement pas sur le sujet ici.)

4
Aide à interpréter un complot d'interaction?
J'ai du mal à interpréter les graphiques d'interaction lorsqu'il y a une interaction entre les deux variables indépendantes. Les graphiques suivants proviennent de ce site: Ici, et sont les variables indépendantes et DV est la variable dépendante.UNEUNEABBBD VréVDV Question: Il y a interaction et effet principal de UNEUNEA , mais …
1
Interprétation des parcelles de violon
Je compare la distribution de différents groupes à l'aide des parcelles de violon, mais la plupart des ressources en ligne que j'ai trouvées sont uniquement liées à la façon de créer les parcelles et à l'interprétation très basique des résultats (la variation médiane, les données sont regroupées ou non). Je …
2
Qu'est-ce qu'une copule adaptative?
Ma question de base est: Qu'est-ce qu'une copule adaptative? J'ai des diapositives d'une présentation (malheureusement, je ne peux pas demander à l'auteur des diapositives) sur les copules adaptatives et je ne comprends pas, ce que cela signifie resp. à quoi cela sert-il? Voici les diapositives: Ensuite, les diapositives continuent avec …
2
Comment pourrais-je visualiser l'importance des différentes entrées dans les prévisions pour un modèle non linéaire à boîte noire?
Je crée un outil de prévision interactif (en python) pour aider à la prévision qui se fait dans mon organisation. À ce jour, le processus de prévision a été largement conduit par l'homme, les prévisionnistes assimilant les données dans leurs réseaux neuronaux naturels et utilisant leur intuition acquise pour faire …
2
Comprendre les moustaches d'un boxplot
J'ai une question concernant l'interprétation des moustaches d'un boxplot. J'ai lu ce qui suit: "En haut et en bas du rectangle, les" moustaches "montrent la plage de 1,5 fois la distance entre les quantiles de 0,25 et 0,75", mais je ne comprends pas entièrement ce que l'on entend par "distance" …
5
Représenter des données expérimentales
J'ai une dispute avec mon conseiller sur la visualisation des données. Il prétend que lors de la représentation des résultats expérimentaux, les valeurs doivent être tracées avec des " marqueurs " uniquement, comme présenté dans l'image ci-dessous. Alors que les courbes ne doivent représenter qu'un " modèle " D'un autre …
4
Comment tracer 20 ans de données quotidiennes en séries chronologiques
J'ai le jeu de données suivant: https://dl.dropbox.com/u/22681355/ORACLE.csv et je voudrais tracer les changements quotidiens dans «Ouvrir» par «Date», j'ai donc fait ce qui suit: oracle <- read.csv(file="http://dl.dropbox.com/u/22681355/ORACLE.csv", header=TRUE) plot(oracle$Date, oracle$Open, type="l") et j'obtiens ce qui suit: Maintenant, ce n'est évidemment pas le plus beau tracé jamais, alors je me demande …
1
Comment comparer les événements observés aux événements attendus?
Supposons que j'ai un échantillon de fréquences de 4 événements possibles: Event1 - 5 E2 - 1 E3 - 0 E4 - 12 et j'ai les probabilités attendues que mes événements se produisent: p1 - 0.2 p2 - 0.1 p3 - 0.1 p4 - 0.6 Avec la somme des fréquences …
9 r  statistical-significance  chi-squared  multivariate-analysis  exponential  joint-distribution  statistical-significance  self-study  standard-deviation  probability  normal-distribution  spss  interpretation  assumptions  cox-model  reporting  cox-model  statistical-significance  reliability  method-comparison  classification  boosting  ensemble  adaboost  confidence-interval  cross-validation  prediction  prediction-interval  regression  machine-learning  svm  regularization  regression  sampling  survey  probit  matlab  feature-selection  information-theory  mutual-information  time-series  forecasting  simulation  classification  boosting  ensemble  adaboost  normal-distribution  multivariate-analysis  covariance  gini  clustering  text-mining  distance-functions  information-retrieval  similarities  regression  logistic  stata  group-differences  r  anova  confidence-interval  repeated-measures  r  logistic  lme4-nlme  inference  fiducial  kalman-filter  classification  discriminant-analysis  linear-algebra  computing  statistical-significance  time-series  panel-data  missing-data  uncertainty  probability  multivariate-analysis  r  classification  spss  k-means  discriminant-analysis  poisson-distribution  average  r  random-forest  importance  probability  conditional-probability  distributions  standard-deviation  time-series  machine-learning  online  forecasting  r  pca  dataset  data-visualization  bayes  distributions  mathematical-statistics  degrees-of-freedom 
2
Bootstrap paramétrique, semi-paramétrique et non paramétrique pour les modèles mixtes
Les greffes suivantes sont extraites de cet article . Je suis novice dans le bootstrap et j'essaie d'implémenter le bootstrap paramétrique, semi-paramétrique et non paramétrique pour le modèle mixte linéaire avec le R bootpackage. Code R Voici mon Rcode: library(SASmixed) library(lme4) library(boot) fm1Cult <- lmer(drywt ~ Inoc + Cult + …
9 r  mixed-model  bootstrap  central-limit-theorem  stable-distribution  time-series  hypothesis-testing  markov-process  r  correlation  categorical-data  association-measure  meta-analysis  r  anova  confidence-interval  lm  r  bayesian  multilevel-analysis  logit  regression  logistic  least-squares  eda  regression  notation  distributions  random-variable  expected-value  distributions  markov-process  hidden-markov-model  r  variance  group-differences  microarray  r  descriptive-statistics  machine-learning  references  r  regression  r  categorical-data  random-forest  data-transformation  data-visualization  interactive-visualization  binomial  beta-distribution  time-series  forecasting  logistic  arima  beta-regression  r  time-series  seasonality  large-data  unevenly-spaced-time-series  correlation  statistical-significance  normalization  population  group-differences  demography 
En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.