প্রশ্ন ট্যাগ «r»

যতদূর আমি জানি, লজিস্টিক মডেল এবং ভগ্নাংশের প্রতিক্রিয়া মডেল (ফর্ম) এর মধ্যে পার্থক্য হ'ল নির্ভরশীল পরিবর্তনশীল (ওয়াই) যার মধ্যে ফ্র্যাম [0,1] হয় তবে লজিস্টিকটি {0, 1} হয়} আরও, এফআরএম এর পরামিতিগুলি নির্ধারণের জন্য কোটির মতো সম্ভাবনার অনুমানকারী ব্যবহার করে। সাধারণত, আমরা এর glmমাধ্যমে লজিস্টিক মডেলগুলি পেতে ব্যবহার করতে পারি glm(y …

13 r  logistic  generalized-linear-model  quasi-likelihood 

আমার প্রশ্নটি একটি গণনা প্রযুক্তির সাথে সম্পর্কিত geoR:::.negloglik.GRFবা এর সাথে সম্পর্কিত geoR:::solve.geoR। রৈখিক মিশ্র মডেল সেটআপে: যেখানে β এবং খ যথাক্রমে স্থির এবং এলোমেলো প্রভাব। এছাড়াও, Σ = কোভ ( ওয়াই )ওয়াই= এক্সβ+ + জেডখ + ইY=Xβ+Zb+e Y=X\beta+Zb+e ββ\betaখbbΣ = কোভ ( ওয়াই)Σ=cov(Y)\Sigma=\text{cov}(Y) যখন প্রভাব আনুমানিক হিসাব, সেখানে গনা প্রয়োজন …

13 r  eigenvalues  matrix-decomposition  matrix-inverse  cholesky 

আমি একটি ছোট প্রকল্পে কাজ করছি যেখানে আমরা আগামী 6 মাসের জন্য পণ্যগুলির (তেল, অ্যালুমিনিয়াম, টিন ইত্যাদি) দামের পূর্বাভাস দেওয়ার চেষ্টা করছি। আমার কাছে ভবিষ্যদ্বাণী করার মতো 12 টি ভেরিয়েবল রয়েছে এবং আমার এপ্রিল, ২০০৮ - মে, ২০১৩ এর ডেটা রয়েছে। আমার কীভাবে ভবিষ্যদ্বাণী করা উচিত? আমি নিম্নলিখিতগুলি করেছেন: টাইমসারি …

13 r  time-series  forecasting  neural-networks  arima 

স্বাভাবিকতা যাচাই করার জন্য আমি একটি শ্যাপিরো উইলকের ডাব্লু টেস্ট এবং কোলমোগোরভ-স্মারনভ পরীক্ষা করতে চাই normal আমি কেবল ভাবছিলাম যে এর জন্য কী কী অবশিষ্টাংশগুলি ব্যবহার করা উচিত - কাঁচা অবশিষ্টাংশ, পিয়ারসনের অবশিষ্টাংশ, স্টাডিটেড রেসিডুয়াল বা মানকৃত অবশিষ্টাংশ? শাপিরো-উইলকের ডাব্লু পরীক্ষার জন্য এটি কাঁচা ও পিয়ারসনের অবশিষ্টাংশগুলির ফলাফল একইরকম তবে …

13 r  regression  residuals  normality-assumption  lm 

আমি প্রাথমিক পরিসংখ্যানগুলিতে শিখেছি যে সাধারণ রৈখিক মডেল সহ, সূত্রগুলি বৈধ হওয়ার জন্য, পর্যবেক্ষণগুলি অবশ্যই স্বাধীন হতে হবে। যখন ক্লাস্টারিং ঘটে তখন স্বতন্ত্রতা আর অবৈধ অনুক্রমের দিকে পরিচালিত করতে পারে যদি না এটির জন্য অ্যাকাউন্ট করা হয়। এই জাতীয় ক্লাস্টারিংয়ের জন্য অ্যাকাউন্ট করার একটি উপায় হ'ল মিশ্র মডেলগুলি ব্যবহার করে। …

13 r  mixed-model  inference  independence 

আমি একটি লজিস্টিক রিগ্রেশন মডেল (মাধ্যমে প্রাপ্ত থাকেন train) একটি বাইনারি প্রতিক্রিয়ার জন্য, এবং আমি মাধ্যমে লজিস্টিক বিভ্রান্তির ম্যাট্রিক্স প্রাপ্ত থাকেন confusionMatrixমধ্যে caret। এটি আমাকে লজিস্টিক মডেল কনফিউশন ম্যাট্রিক্স দেয়, যদিও আমি নিশ্চিত নই যে এটির প্রাপ্তির জন্য কি দোরের ব্যবহার করা হচ্ছে। আমি ব্যবহার নির্দিষ্ট থ্রেশহোল্ড মানের জন্য বিভ্রান্তির …

13 r  classification  roc  caret  confusion-matrix 

কতজন ব্যবহারকারী কতগুলি প্রশ্ন পোস্ট করে সে সম্পর্কে আমার কাছে ডেটা রয়েছে। উদাহরণ স্বরূপ, [UserCount, QuestionCount] [2, 100] [9, 10] [3, 80] ... ... এর অর্থ হ'ল 2 জন ব্যবহারকারী প্রতিটি 100 টি প্রশ্ন পোস্ট করেছেন, 9 জন ব্যবহারকারী প্রতিটি 10 ​​টি প্রশ্ন পোস্ট করেছেন। সুতরাং, UserCount, QuestionCountবিতরণটি কোনও পাওয়ার …

13 r  hypothesis-testing  goodness-of-fit  power-law 

পটভূমি আমি ফিটিং মডেলগুলির একটি কোর্সে প্রথম উদাহরণটি বোঝার চেষ্টা করছি (যাতে এটি হাস্যকরভাবে সহজ মনে হতে পারে)। আমি হাতে হাতে গণনা করেছি এবং সেগুলি উদাহরণের সাথে মেলে তবে আমি যখন আরগুলিতে তাদের পুনরাবৃত্তি করি তখন মডেল সহগগুলি বন্ধ থাকে। আমি ভেবেছিলাম পার্থক্যটি পাঠ্যপুস্তকের কারণে জনসংখ্যার বৈকল্পের ( ) ব্যবহারের …

13 r  regression  self-study  lm 

সাধারণভাবে, আমি ভাবছি যে উচ্চতর অর্ডার ভেরিয়েবলগুলির সাথে কোনও রিগ্রেশন ফিটিং করার সময় অরথোগোনাল বহুবর্ষগুলি ব্যবহার না করা আরও ভাল কিনা। বিশেষত, আমি আর এর ব্যবহার নিয়ে ভাবছি: তাহলে poly()সঙ্গে raw = FALSEহিসাবে একই লাগানো মান উৎপন্ন poly()সঙ্গে raw = TRUE, এবং polyসঙ্গে raw = FALSEসমাধান করে বহুপদী রিগ্রেশন সঙ্গে …

13 r  regression  polynomial 

নিকটবর্তী প্রতিবেশী সেরা ভবিষ্যদ্বাণীকারী এই ধারণা নিয়ে আমার ডেটাসেট রয়েছে। দ্বি-মুখী গ্রেডিয়েন্টের কেবলমাত্র নিখুঁত উদাহরণ- মনে করুন আমাদের কাছে এমন কয়েকটি ঘটনা রয়েছে যেখানে কয়েকটি মূল্যবোধ অনুপস্থিত, আমরা প্রতিবেশী এবং প্রবণতার ভিত্তিতে সহজেই অনুমান করতে পারি। আর-তে সম্পর্কিত ডেটা ম্যাট্রিক্স (ওয়ার্কআউটের জন্য ডামি উদাহরণ): miss.mat <- matrix (c(5:11, 6:10, NA,12, …

13 r  prediction  outliers  data-imputation  multiple-imputation 

আমি লিনিয়ার রিগ্রেশন মডেলটিতে ডেটা ম্যাট্রিক্স ব্যবহার করার জন্য ধারণাটি বুঝতে পারি। উদাহরণস্বরূপ, আর এ আপনি ব্যবহার করতে পারেন: scaled.data <- scale(data, scale=TRUE) আমার একমাত্র প্রশ্ন, নতুন পর্যবেক্ষণগুলির জন্য আমি আউটপুট মানগুলির পূর্বাভাস দিতে চাই, সেগুলি কীভাবে সঠিকভাবে মাপা যায়? এটা হবে scaled.new <- (new - mean(data)) / std(data),?

13 r  regression  prediction  scales 

আমি ছাত্রদের টি-টেস্ট সম্পর্কে পড়েছি তবে এটি আসল মনে হয় যখন আমরা ধরে নিতে পারি যে মূল বিতরণটি সাধারণত বিতরণ করা হয়। আমার ক্ষেত্রে, তারা অবশ্যই না। এছাড়াও, আমার যদি 13 টি বিতরণ থাকে তবে আমার কি 13^2পরীক্ষা করা দরকার ?

13 r  hypothesis-testing  distributions 

আমি লিন্ডসে আই স্মিথের একটি দুর্দান্ত পিসিএ টিউটোরিয়াল দিয়ে আরে কাজ করছি এবং শেষ পর্যায়ে আটকে যাচ্ছি। নীচের আর স্ক্রিপ্টটি আমাদের মঞ্চে নিয়ে যায় (p.19-এ) যেখানে মূল তথ্যগুলি পুনরায় তৈরি করা হচ্ছে (এক্ষেত্রে একক) প্রধান উপাদান, যা পিসিএ 1 অক্ষ বরাবর একটি সরলরেখার প্লট তৈরি করবে (প্রদত্ত তথ্য হিসাবে কেবলমাত্র …

13 r  pca 

আমি ডনেট পরীক্ষার গণনা করতে আর 'মাল্টকম্প' লাইব্রেরি ( http://cran.r-project.org/web/packages/multcomp/ ) ব্যবহার করছি । আমি নীচের স্ক্রিপ্টটি ব্যবহার করছি: Group <- factor(c("A","A","B","B","B","C","C","C","D","D","D","E","E","F","F","F")) Value <- c(5,5.09901951359278,4.69041575982343,4.58257569495584,4.79583152331272,5,5.09901951359278,4.24264068711928,5.09901951359278,5.19615242270663,4.58257569495584,6.16441400296898,6.85565460040104,7.68114574786861,7.07106781186548,6.48074069840786) data <- data.frame(Group, Value) aov <- aov(Value ~ Group, data) summary(glht(aov, linfct=mcp(Group="Dunnett"))) এখন আমি যদি এই স্ক্রিপ্টটি একাধিকবার আর কনসোলের মাধ্যমে চালিত করি তবে প্রতিবারই …

13 r  multiple-comparisons 

আর (২.১৫.২) এ আমি একবারের সিরিজে একবার আরিমা (৩,১,৩) এবং একবারের আলাদা টাইমসিরিজে একবার এআরএমএ (৩,৩) একবার লাগিয়েছিলাম। লাগানো পরামিতিগুলি পৃথক, যা আমি আরিমায় ফিটিং পদ্ধতির জন্য দায়ী করেছি। এছাড়াও, এআরএমএ (3,3,3) হিসাবে একই ডেটাতে একটি এআরআইএমএ (3,0,3) ফিট করার ফলে অভিন্ন পরামিতিগুলির ফলসই হবে না, আমি যে ফিটিং পদ্ধতি …

13 r  time-series  arima  fitting  arma