Statistiques et Big Data r

2

J'ai une question sur la façon dont un statisticien interpréterait normalement une sortie anova. Disons que j'ai une sortie anova de R. > summary(fitted_data) Call: lm(formula = V1 ~ V2) Residuals: Min 1Q Median 3Q Max -2.74004 -0.33827 0.04062 0.44064 1.22737 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 2.11405 …

8 r self-study anova interpretation

3

Comment puis-je tester la même variable catégorielle sur deux populations?

J'ai des données qui ressemblent un peu à ceci: ID Status 01 A 02 G 03 E ... ... 100 G Vous voyez l'idée, je pense. J'ai ces données de deux populations distinctes (cohortes) et je veux comparer la distribution de la variable de statut dans une population à la …

8 r hypothesis-testing categorical-data chi-squared

1

Dans quelle mesure la somme des effets aléatoires doit-elle être proche de zéro dans GLMM (avec lme4)

J'utilise le lme4package dans R pour faire de la modélisation logistique à effets mixtes. J'ai cru comprendre que la somme de chaque effet aléatoire devait être nulle. Lorsque je crée des modèles mixtes linéaires de jouets à l'aide de lmer, les effets aléatoires sont généralement < confirmant ma conviction que …

8 r lme4-nlme random-effects-model glmm

4

R: Calcul de la moyenne et de l'erreur standard de la moyenne pour les facteurs avec lm () vs calcul direct - édité

Lorsqu'il s'agit de données avec des facteurs, R peut être utilisé pour calculer les moyennes pour chaque groupe avec la fonction lm (). Cela donne également les erreurs types pour les moyennes estimées. Mais cette erreur standard diffère de ce que j'obtiens d'un calcul à la main. Voici un exemple …

8 r categorical-data mean lm

2

Test post-hoc après mesures répétées à 2 facteurs ANOVA dans R?

J'ai des problèmes à trouver une solution concernant la façon d'exécuter un test post-hoc (Tukey HSD) après une ANOVA à mesures répétées à 2 facteurs (tous deux intra-sujets) en R. Pour l'ANOVA, j'ai utilisé la fonction aov: summary(aov(dv ~ x1 * x2 + Error(subject/(x1*x2)), data=df1)) Après avoir lu les réponses …

8 r anova repeated-measures post-hoc tukey-hsd goodness-of-fit curve-fitting sem latent-variable mplus anova post-hoc tukey-hsd markov-process image-processing r time-series causality granger-causality anova mixed-model lme4-nlme random-effects-model r matlab data-transformation multinomial notation estimation nonparametric logistic r missing-data multiple-imputation mice

2

Quel package R utiliser pour effectuer une analyse de croissance de classe latente (LCGA) / modèle de mélange de croissance (GMM)?

J'essaie d'effectuer une analyse de croissance de classe latente (LCGA) et / ou des modèles de mélange de croissance (GMM) dans R. Les données que j'utilise sont un nombre croissant de fourchettes de référentiels git (variable discrète, non catégorique), comme vous pouvez voir dans cet ensemble de données . J'ai …

8 r latent-variable latent-class growth-mixture-model

2

Deux périodes saisonnières dans ARIMA avec R

J'utilise actuellement R pour prédire une série chronologique avec ces instructions: 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) Comme vous pouvez le voir, j'ai des données toutes les heures, et j'ai choisi la période saisonnière de 24 (un jour). Je voudrais améliorer mes …

8 r time-series arima seasonality multiple-seasonalities

5

Lissage des données 2D

Les données sont constituées de spectres optiques (intensité lumineuse en fonction de la fréquence) enregistrés à différents moments. Les points ont été acquis sur une grille régulière en x (temps), y (fréquence). Afin d'analyser l'évolution du temps à des fréquences spécifiques (une montée rapide, suivie d'une décroissance exponentielle), je voudrais …

8 r time-series multivariate-analysis references smoothing

2

Exemple de prédiction de séries chronologiques utilisant des réseaux de neurones dans R

Quelqu'un a-t-il un bref exemple pédagogique sur la façon d'utiliser les réseaux de neurones ( nnetdans R par exemple) à des fins de prédiction? Voici un exemple, en R, d'une série chronologique T <- seq(0,20,length=200) Y <- 1 + 3*cos(4*T+2) +.2*T^2 + rnorm(200) plot(T,Y,type="l") Ce n'est qu'un exemple, mais ce …

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

1

Utiliser l'imputation multiple pour les risques proportionnels de Cox, puis valider avec le package rms?

J'ai fait des recherches sur le package de souris et je n'ai pas encore découvert de moyen d'utiliser les multiples imputations pour créer un modèle Cox, puis valider ce modèle avec la fonction du package rmsvalidate() . Voici un exemple de code de ce que j'ai jusqu'à présent, en utilisant …

8 r survival cox-model data-imputation rms

2

Visualisez l'analyse de survie avec des covariables dépendantes du temps

À titre de suivi de la suggestion du modèle pour une régression de Cox avec des covariables dépendantes du temps, voici le tracé de Kaplan Meier qui tient compte de la nature dépendante du temps des grossesses. En d'autres termes, l'ensemble de données est maintenant décomposé en un long ensemble …

8 r data-visualization survival

1

Nested / SplitModel - RepeatedMeasures / MixedModel ANOVA: niveaux d'imbrication et de script dans R

Mon ensemble de données comporte les variables suivantes: Traitement (4 types - fixe) Emplacement (8 emplacements - fixe) Position dans l'emplacement (3 positions par emplacement - fixe) Des échantillons sont prélevés dans chaque position (3 échantillons par position aléatoire) Heure (deux heures d'échantillonnage - fixe) Taux de minéralisation (résultant de …

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

2

Comment déterminer avec élégance l'aire d'une boucle d'hystérésis (problème intérieur / extérieur)?

J'ai mesuré deux paramètres (carbone organique dissous DOC = y et décharge = x). Lorsque ces deux variables sont tracées l'une contre l'autre, nous obtenons une boucle d'hystérésis (voir l'exemple de code et l'image). Maintenant, pour une analyse plus approfondie, je voudrais déterminer la zone de cette boucle hystérétique. J'ai …

8 r data-visualization geometry

2

Interpréter la sortie du réseau neuronal dans R?

J'ai réussi à créer un réseau neuronal de mes données. Mais je ne suis pas sûr de l'interprétation de la sortie R. J'ai utilisé la commande suivante pour créer un réseau 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 Ensuite, j'ai utilisé …

8 r neural-networks

3

Test post hoc dans une conception mixte 2x3 ANOVA utilisant SPSS?

J'ai deux groupes de 10 participants qui ont été évalués trois fois au cours d'une expérience. Pour tester les différences entre les groupes et entre les trois évaluations, j'ai exécuté une ANOVA de conception mixte 2x3 avec group(contrôle, expérimental), time(premier, deuxième, trois) et group x time. Les deux timeet grouprésulté …

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

Questions marquées «r»