প্রশ্ন ট্যাগ «r»

survivalপ্যাকেজ Rপ্রদর্শিত হয় একটানা সময় বেঁচে থাকা মডেলের উপর ফোকাস করার। আমি আনুপাতিক ঝুঁকিপূর্ণ মডেল, পরিপূরক লগ-লগ মডেলটির একটি পৃথক সময়ের সংস্করণ অনুমান করতে আগ্রহী। সরল ডান সেন্সরিং সহ আমার মোটামুটি সোজা বেঁচে থাকার মডেল রয়েছে। আমি জানি যে এই মডেলটি অনুমান করার একটি উপায় হ'ল একটি ডেটা সেট তৈরি …

10 r  survival 

আমার কাছে 2-ডি ডেটার একটি সেট রয়েছে যেখানে আমি নির্দিষ্ট বৃত্তের ( ) কেন্দ্রের নির্দিষ্ট সংখ্যক কেন্দ্রগুলির কেন্দ্রগুলি সন্ধান করতে চাই যা নির্দিষ্ট দূরত্বে ( ) এর মধ্যে মোট পয়েন্টের সংখ্যা সর্বাধিক করে দেয় ।NNNRRR উদাহরণস্বরূপ আমার 10,000 টি ডাটা পয়েন্ট রয়েছে এবং আমি সার্কেলের কেন্দ্রগুলি খুঁজে পেতে চাই যা …

10 r  clustering  distance 

merক্লাস অবজেক্টের ( lme4প্যাকেজের মাধ্যমে প্রাপ্ত ) কীভাবে লিভারেজ এবং কুকের দূরত্ব গণনা (বা এক্সট্রাক্ট) করা যায় তা কি কেউ জানেন ? আমি একটি অবশিষ্টাংশ বিশ্লেষণের জন্য এগুলি পরিকল্পনা করতে চাই।

10 r  mixed-model  linear-model  residuals  leverage 

'গ্ল্যাম' ব্যবহার করে লজিস্টিক রিগ্রেশন মডেলের যথার্থতা খুঁজে পাওয়ার একটি উপায় হ'ল এটিউ প্লটটি। ক্রমাগত প্রতিক্রিয়া পরিবর্তনশীল (পরিবার = 'গাউসিয়ান') এর সাথে পাওয়া রিগ্রেশন মডেলের জন্য একইটি কীভাবে পরীক্ষা করবেন? আমার রিগ্রেশন মডেলটি ডেটার সাথে কতটা ফিট করে তা পরীক্ষা করতে কোন পদ্ধতি ব্যবহার করা হয়?

10 r  regression  generalized-linear-model 

স্বতঃসংশোধনের ক্রিয়াকলাপের নীচের ছবিটিতে নীল বিন্দুযুক্ত লাইনগুলি বুঝতে আমার কিছুটা সমস্যা হচ্ছে: কেউ আমাকে একটি সহজ ব্যাখ্যা দিতে পারে, তারা আমাকে কী বলছে?

10 r  time-series  autocorrelation 

আমি শর্তাধীন ঘনত্বের প্লটগুলি কীভাবে সঠিকভাবে ব্যাখ্যা করতে পারি তা জানতে চাই। আমি আর এর সাহায্যে দুটি তৈরি করেছি cdplot। উদাহরণস্বরূপ, সম্ভাব্যতা ফল 1 এর সমান বলা হচ্ছে যে Var স্বাগতম 1 150 আনুমানিক 80% হল? গা gray় ধূসর অঞ্চলটি যা Result1 এর সমান হওয়ার শর্তসাপেক্ষ সম্ভাবনা, তাই না? cdplotডকুমেন্টেশন …

10 r  data-visualization  interpretation  conditional-probability  pdf 

ধরুন আমার 10 জন শিক্ষার্থী রয়েছে, যারা প্রতিটি 20 টি গণিতের সমস্যাগুলি সমাধান করার চেষ্টা করে। সমস্যাগুলি সঠিক বা ভুল (লম্বাডাটাতে) স্কোর করা হয় এবং প্রতিটি শিক্ষার্থীর পারফরম্যান্স একটি নির্ভুলতা পরিমাপ (সাবজডাটা) দ্বারা সংক্ষিপ্ত করা যায়। নীচে 1, 2 এবং 4 টি মডেলগুলি পৃথক পৃথক ফলাফলের উপস্থিতি দেখায় তবে আমি …

10 r  regression  logistic  generalized-linear-model  binomial 

আমি বর্তমানে একটি ওয়েবসাইটে বিশ্লেষণ করছি যার প্রয়োজনে আমি সিদ্ধান্তের গাছের ডায়াগ্রামটি তৈরি করি যা লোকেরা যখনই ওয়েবসাইটে আসবে তখন সম্ভাব্য পথটি দেখায়। আমি এমন একটি বিষয় নিয়ে কাজ করছি data.frameযা হোমপৃষ্ঠা থেকে শুরু করে সাইটে সমস্ত গ্রাহকের পথ দেখায়। উদাহরণস্বরূপ, কোনও গ্রাহক নিম্নলিখিত পদক্ষেপ নিতে পারে: Homepage - pg …

10 r  probability  data-visualization  markov-process 

লি এবং লেমিউক্স (পৃষ্ঠা 31, 2009) গবেষককে রিগ্রেশন বিচ্ছিন্নতা নকশা বিশ্লেষণ (আরডিডি) করার সময় গ্রাফগুলি উপস্থাপনের পরামর্শ দেন। তারা নিম্নলিখিত পদ্ধতিটি পরামর্শ দেয়: "... কিছু ব্যান্ডউইথ জন্য , এবং বিন কিছু সংখ্যার জন্য কে 0 এবং বাম এবং কর্তক মান ঠিক আছে, যথাক্রমে, যা এই ধারণার বিন (গঠন করা হয় …

10 r  regression  data-visualization  stata  regression-discontinuity 

আমার কাছে একটি পদ্ধতি যা পরামর্শ দেওয়া হয়েছিল তা হ'ল স্ক্রি প্লটটি দেখুন এবং পিসি ব্যবহারের সঠিক সংখ্যা নির্ধারণ করার জন্য "কনুই" পরীক্ষা করা। তবে প্লটটি পরিষ্কার না হলে, সংখ্যাটি নির্ধারণের জন্য কি আর কোনও গণনা আছে? fit <- princomp(mydata, cor=TRUE)

10 r  pca 

মূল সমস্যাটি হ'ল: আমি ইভিউ এবং আর এর সাথে একই পরামিতি অনুমান করতে পারি না যে কারণে আমি নিজেকে জানি না, ইভিউগুলি ব্যবহার করে নির্দিষ্ট ডেটার জন্য আমার পরামিতিগুলি অনুমান করা দরকার। এটি এনএলএস (ননলাইনারের সর্বনিম্ন স্কোয়ারগুলি) বিকল্পটি বাছাই করে এবং নিম্নলিখিত সূত্রটি ব্যবহার করে করা হয়েছে:indep_var c dep_var ar(1) …

10 r  autoregressive  software 

আমি একটি মাল্টিভারিয়েট (অর্থাত্ একাধিক প্রতিক্রিয়া) মিশ্র মডেলটিকে ফিট করার চেষ্টা করছি R। ASReml-rএবং SabreRপ্যাকেজগুলি বাদ দিয়ে (যার জন্য বাইরের সফ্টওয়্যার প্রয়োজন) এটি কেবলমাত্র এটিই সম্ভব MCMCglmm। ইন কাগজ যে সাথে MCMCglmmপ্যাকেজ (pp.6), টেকনোলজি Hadfield এক দীর্ঘ-বিন্যাসে পরিবর্তনশীল একাধিক প্রতিক্রিয়া ভেরিয়েবল আকৃতিগত এবং তারপর সামগ্রিক পথিমধ্যে দমন মত যেমন একটি …

10 r  mixed-model  multivariate-analysis  lme4-nlme  multivariate-regression 

আমার ফর্মটির একটি জিএলএমএম রয়েছে: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) আমি যখন ব্যবহার করি drop1(model, test="Chi"), তখন আমি Anova(model, type="III")গাড়ি প্যাকেজটি ব্যবহার করি বা না থেকে তার চেয়ে আলাদা ফলাফল পাই summary(model)। এই দ্বিতীয় দুটি একই উত্তর দেয়। একগুচ্ছ মনগড়া তথ্য …

10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 

আমি মিডনেক্রেজএকিউরসি কলামে rfobject$importanceএবং এর importance(rfobject)মধ্যে পার্থক্য পেতে পারি না । উদাহরণ: > data("iris") > fit <- randomForest(Species~., data=iris, importance=TRUE) > fit$importance setosa versicolor virginica MeanDecreaseAccuracy MeanDecreaseGini Sepal.Length 0.027078501 0.019418330 0.040497602 0.02898837 9.173648 Sepal.Width 0.008553449 0.001962036 0.006951771 0.00575489 2.472105 Petal.Length 0.313303381 0.291818815 0.280981959 0.29216790 41.284869 Petal.Width 0.349686983 0.318527008 0.270975757 0.31054451 …

10 r  random-forest  importance 

তথ্য কাঠামো > str(data) 'data.frame': 6138 obs. of 10 variables: $ RT : int 484 391 422 516 563 531 406 500 516 578 ... $ ASCORE : num 5.1 4 3.8 2.6 2.7 6.5 4.9 2.9 2.6 7.2 ... $ HSCORE : num 6 2.1 7.9 1 6.9 8.9 …

10 r  mixed-model  repeated-measures  model-selection  lme4-nlme