统计和大数据 r

6

我有一个具有以下结构的数据集： a word | number of occurrence of a word in a document | a document id 如何在R中执行正态分布测试？可能这是一个简单的问题，但我是R新手。

44 r distributions normality-assumption

6

我正在尝试在R中标记一个非常简单的散点图。这是我使用的方法： plot(SI, TI) text(SI, TI, Name, pos=4, cex=0.7) 如您所见，结果是中等的（单击放大）：我尝试使用textxy函数来弥补这一点，但这并不是更好。对于密集的群集，使图像本身变大不起作用。有什么功能或简便的方法可以弥补这一点，让R绘制不重叠的标签吗？这是我拥有的一小部分数据： Name;SI;TI 01_BAD_talking_head;6.944714;4.421208 01_GOOD_talking_head;5.680141;4.864035 01_GOOD_talking_head_subtitles;7.170114;4.664205

44 r data-visualization scatterplot

4

如何统计比较两个时间序列？

我有两个时间序列，如下图所示：该图显示了两个时间序列的全部细节，但是如果需要，我可以轻松地将其简化为巧合的观测值。我的问题是：我可以使用哪些统计方法来评估时间序列之间的差异？我知道这是一个相当广泛且模糊的问题，但我似乎在任何地方都找不到很多介绍性材料。正如我所看到的，需要评估两个不同的方面： 1.值是否相同？ 2.趋势是否相同？您会建议使用哪种统计测试来评估这些问题？对于问题1，我显然可以评估不同数据集的均值并寻找分布的显着差异，但是有没有一种方法可以考虑到数据的时间序列性质呢？对于问题2-是否有类似Mann-Kendall检验的东西来寻找两个趋势之间的相似性？我可以对两个数据集进行Mann-Kendall检验并进行比较，但是我不知道这是否是一种有效的处理方法，或者是否有更好的方法？我正在R中进行所有这些操作，因此，如果您建议测试使用R包，请告诉我。

43 r time-series

2

在lm中以不同的方式编写交互作用术语？

我有一个问题，即在回归模型中指定交互的最佳方法是什么。考虑以下数据： d <- structure(list(r = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("r1","r2"), class = "factor"), s = structure(c(1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, …

42 r regression interaction

2

使用lmer进行重复测量的线性混合效应模型

编辑2：我本来以为我需要对一个因素进行重复测量的两因素方差分析，但现在我认为线性混合效应模型将对我的数据更好。我想我几乎知道需要做什么，但仍然有些困惑。我需要分析的实验如下：将受试者分配到几个治疗组之一在多天的时间对每个受试者进行测量所以：受试者嵌套在治疗中治疗越过一天（每个受试者仅被分配一种治疗，并且每天对每个受试者进行测量）我的数据集包含以下信息：主题=阻止因素（随机因素）天=主题或重复测量因子之内（固定因子）治疗=主观因素之间（固定因素） Obs =测得（因变量）更新好，所以我去找统计学家，但他是SAS用户。他认为该模型应为：治疗+天+受试者（治疗）+天*受试者（治疗）显然，他的表示法与R语法不同，但是该模型应考虑以下因素：治疗（固定）日（固定）治疗*天互动受试者嵌套在治疗内（随机）当天与“治疗中的受试者”交叉（随机）那么，这是使用正确的语法吗？ m4 <- lmer(Obs~Treatment*Day + (1+Treatment/Subject) + (1+Day*Treatment/Subject), mydata) 我特别担心当天与“治疗中的受试者”部分是否正确。是否有任何熟悉SAS的人，或者对他们了解模型中正在发生的事情有信心的人，能够评论我对R语法的可悲尝试是否匹配？这是我以前建立模型和编写语法的尝试（在答案和评论中讨论）： m1 <- lmer(Obs ~ Treatment * Day + (1 | Subject), mydata) 我该如何处理对象嵌套在治疗中的事实？如何m1从不同： m2 <- lmer(Obs …

41 r anova mixed-model repeated-measures lme4-nlme

4

OpenBugs与JAGS

我将尝试使用BUGS风格的环境来估计贝叶斯模型。在OpenBugs或JAGS之间进行选择时，有什么重要的优点要考虑？在可预见的将来，有可能取代另一个吗？我将在R中使用所选的Gibbs Sampler。我还没有特定的应用程序，但是我正在决定安装和学习哪个。

41 r software bugs jags gibbs

1

回归：转换变量

转换变量时，是否必须使用所有相同的转换？例如，是否可以选择不同的转换变量，例如：令为年龄，就业时间，居住时间和收入。x1,x2,x3x1,x2,x3x_1,x_2,x_3 Y = B1*sqrt(x1) + B2*-1/(x2) + B3*log(x3) 或者，您是否必须与转换保持一致并使用所有相同的转换？如： Y = B1*log(x1) + B2*log(x2) + B3*log(x3) 我的理解是，转型的目标是解决正常性问题。查看每个变量的直方图，我们可以看到它们呈现出非常不同的分布，这使我相信所需的转换在每个变量的基础上是不同的。 ## R Code df <- read.spss(file="http://www.bertelsen.ca/R/logistic-regression.sav", use.value.labels=T, to.data.frame=T) hist(df[1:7]) log(xn+1)log⁡(xn+1)\log(x_n + 1)xnxnx_n000000 ## R Code plot(df[1:7])

41 r regression logistic data-transformation

5

R中的警告-卡方近似值可能不正确

我有显示消防员入学考试结果的数据。我正在检验考试结果和种族不是相互独立的假设。为了对此进行测试，我在R中运行了Pearson卡方检验。结果显示了预期的结果，但警告“” In chisq.test(a) : Chi-squared approximation may be incorrect。 > a white black asian hispanic pass 5 2 2 0 noShow 0 1 0 0 fail 0 2 3 4 > chisq.test(a) Pearson's Chi-squared test data: a X-squared = 12.6667, df = 6, p-value = 0.04865 Warning message: In chisq.test(a) …

40 r categorical-data chi-squared small-sample error-message

3

如何使用glmnet呈现套索的结果？

我想从30个独立变量中找到连续因变量的预测变量。我正在使用在R 中的glmnet包中实现的Lasso回归。这是一些伪代码： # generate a dummy dataset with 30 predictors (10 useful & 20 useless) y=rnorm(100) x1=matrix(rnorm(100*20),100,20) x2=matrix(y+rnorm(100*10),100,10) x=cbind(x1,x2) # use crossvalidation to find the best lambda library(glmnet) cv <- cv.glmnet(x,y,alpha=1,nfolds=10) l <- cv$lambda.min alpha=1 # fit the model fits <- glmnet( x, y, family="gaussian", alpha=alpha, nlambda=100) res <- predict(fits, …

40 r multiple-regression lasso glmnet communication

2

如何阅读库克的距离图？

有谁知道如何计算出第7、16和29点是否是有影响力的点？我在某处读到，因为库克的距离小于1，所以不是。我对吗？

40 r regression residuals diagnostic cooks-distance

1

如何使用自举法或蒙特卡洛方法确定重要的主要成分？

我对确定从主成分分析（PCA）或经验正交函数（EOF）分析得出的有效模式的数量感兴趣。我对将这种方法应用于气候数据特别感兴趣。数据字段是一个MxN矩阵，其中M是时间维度（例如天），N是空间维度（例如lon / lat位置）。我已经读过一种可能的引导方法来确定重要的PC，但是无法找到更详细的描述。到目前为止，我一直在使用North的经验法则（North 等人，1982）来确定该临界值，但是我想知道是否有更健壮的方法可用。举个例子： ###Generate data x <- -10:10 y <- -10:10 grd <- expand.grid(x=x, y=y) #3 spatial patterns sp1 <- grd$x^3+grd$y^2 tmp1 <- matrix(sp1, length(x), length(y)) image(x,y,tmp1) sp2 <- grd$x^2+grd$y^2 tmp2 <- matrix(sp2, length(x), length(y)) image(x,y,tmp2) sp3 <- 10*grd$y tmp3 <- matrix(sp3, length(x), length(y)) image(x,y,tmp3) #3 respective temporal …

40 r pca bootstrap monte-carlo

5

中位数的置信区间

我必须在中位数和其他百分位数上找到95％的置信区间。我不知道该如何处理。我主要使用R作为编程工具。

40 r confidence-interval median

2

随机森林中可变重要性的度量

我一直在尝试使用随机森林进行回归，并且很难准确地确定出重要性的两个指标的含义以及如何解释它们。该importance()函数为每个变量提供两个值：%IncMSE和IncNodePurity。这两个值是否有简单的解释？对于IncNodePurity特别是，这仅仅是一个量的去除变量继RSS增加？

40 r machine-learning random-forest importance

3

如何解释方差分析中的F值和p值？

我是统计学新手，目前正在与ANOVA合作。我在R中使用A进行ANOVA测试 aov(dependendVar ~ IndependendVar) 除其他外，我得到一个F值和一个p值。我的原假设（）是所有组均值相等。H0H0H_0 关于如何计算F有很多可用信息，但是我不知道如何读取F统计信息以及F和p是如何连接的。因此，我的问题是：如何确定拒绝的临界F值？H0H0H_0 每个F是否都有对应的p值，所以它们的含义基本相同吗？（例如，如果，则拒绝）高0p < 0.05p<0.05p<0.05H0H0H_0

40 r anova interpretation

4

R的Logistic回归（几率）

我正尝试在中进行逻辑回归分析R。我已经使用STATA参加了涵盖此材料的课程。我发现很难复制中的功能R。这个地区成熟吗？似乎几乎没有可用的文档或指南。生产比值比输出似乎需要安装epicalc和/或epitools和/或其他工具，我无法上班，都已过时或缺少文档。我曾经glm做过逻辑回归。欢迎大家提出意见。我最好把这个问题变成一个真实的问题。如何进行逻辑回归并产生比值比R？这是我为单变量分析所做的工作： x = glm(Outcome ~ Age, family=binomial(link="logit")) 对于多变量： y = glm(Outcome ~ Age + B + C, family=binomial(link="logit")) 然后，我已经看了x，y，summary(x)和summary(y)。是x$coefficients任何价值？

40 r logistic odds-ratio

Questions tagged «r»