Perguntas com a marcação «r»

Estou tentando calcular esta distribuição posterior: ( θ | - ) = ∏ni = 1pyEuEu( 1 - pEu)1 - yEu∑todosθ , pEu| θ∏ni = 1pyEuEu( 1 - pEu)1 - yEu(θ|-)=∏Eu=1npEuyEu(1-pEu)1-yEu∑todosθ,pEu|θ∏Eu=1npEuyEu(1-pEu)1-yEu (\theta|-)=\frac{\prod_{i=1}^{n}p_i^{y_i}(1-p_i)^{1-y_i}}{\sum_{\text{all}\,\theta,p_i|\theta}\prod_{i=1}^{n}p_i^{y_i}(1-p_i)^{1-y_i}} O problema é que o numerador, que é o produto de um monte de probabilidades é muito pequeno. (Meu …

8 r  likelihood  posterior 

Eu tenho um conjunto variável de respostas que são expressas como um intervalo, como a amostra abaixo. > head(left) [1] 860 516 430 1118 860 602 > head(right) [1] 946 602 516 1204 946 688 onde esquerda é o limite inferior e direita é o limite superior da resposta. Quero …

8 r  maximum-likelihood  likelihood  lognormal  interval-censoring 

Usando o excelente pacote de previsões de Rob Hyndman, deparei-me com a necessidade de não apenas ter intervalos de previsão, mas simular vários caminhos futuros, considerando observações passadas de uma série temporal com sazonalidades complexas. Há algo para séries temporais menos complexas com apenas uma ou duas sazonalidades (simulate.ets () …

8 r  time-series  forecasting  simulation  tbats 

Eu sei que R não é particularmente útil para analisar grandes conjuntos de dados, uma vez que R carrega todos os dados na memória, enquanto algo como o SAS faz análise sequencial. Dito isto, existem pacotes como o bigmemory que permitem aos usuários realizar análises de grandes dados (análise estatística) …

8 r  sas  large-data 

Tentando replicar os resultados do artigo publicado recentemente, Aghion, Philippe, John Van Reenen e Luigi Zingales. 2013. "Inovação e Propriedade Institucional". American Economic Review, 103 (1): 277-304. (O código de dados e dados está disponível em http://www.aeaweb.org/aer/data/feb2013/20100973_data.zip ). Não estou tendo problemas para recriar as 5 primeiras regressões em R …

8 r  regression  negative-binomial 

Eu tenho uma pergunta sobre como um estatístico normalmente interpretaria uma saída anova. Digamos que tenho saída 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 0.32089 6.588 …

8 r  self-study  anova  interpretation 

Eu tenho dados que se parecem um pouco com isso: ID Status 01 A 02 G 03 E ... ... 100 G Você entendeu a ideia, eu acho. Eu tenho esses dados de duas populações separadas (coortes) e quero comparar a distribuição da variável status em uma população com a …

8 r  hypothesis-testing  categorical-data  chi-squared 

Estou usando o lme4pacote no R para fazer alguma modelagem logística de efeitos mistos. Meu entendimento era que a soma de cada efeito aleatório deveria ser zero. Quando eu uso modelos mistos lineares de brinquedo lmer, os efeitos aleatórios geralmente são < confirmando minha crença de que alguns dos modelos …

8 r  lme4-nlme  random-effects-model  glmm 

Ao lidar com dados com fatores R, pode ser usado para calcular as médias de cada grupo com a função lm (). Isso também fornece os erros padrão para as médias estimadas. Mas esse erro padrão difere do que recebo de um cálculo manualmente. Aqui está um exemplo (retirado daqui …

8 r  categorical-data  mean  lm 

Tenho problemas para encontrar uma solução sobre como executar um teste post-hoc (Tukey HSD) após uma ANOVA de medidas repetidas de dois fatores (ambos em indivíduos) em R. Para a ANOVA, usei a função aov: summary(aov(dv ~ x1 * x2 + Error(subject/(x1*x2)), data=df1)) Depois de ler as respostas para outras …

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 

Estou tentando executar uma análise de crescimento de classe latente (LCGA) e / ou modelos de mistura de crescimento (GMMs) em R. Os dados que estou usando são um número crescente de bifurcações de repositórios git (variável discreta, não categórica), como você pode veja neste conjunto de dados . Eu …

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

Atualmente, estou usando R para prever uma série temporal com estas instruções: 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) Como você pode ver, tenho dados a cada hora e escolhi o período sazonal de 24 (um dia). Gostaria de melhorar minha previsão usando …

8 r  time-series  arima  seasonality  multiple-seasonalities 

Os dados consistem em espectros ópticos (intensidade da luz em relação à frequência) gravados em momentos variados. Os pontos foram adquiridos em uma grade regular em x (tempo), y (frequência). Para analisar a evolução do tempo em frequências específicas (um aumento rápido, seguido de uma deterioração exponencial), eu gostaria de …

8 r  time-series  multivariate-analysis  references  smoothing 

Alguém tem um breve exemplo educacional rápido de como usar redes neurais ( nnetem R, por exemplo) para fins de previsão? Aqui está um exemplo, em R, de uma série temporal T <- seq(0,20,length=200) Y <- 1 + 3*cos(4*T+2) +.2*T^2 + rnorm(200) plot(T,Y,type="l") Este é apenas um exemplo, mas o …

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

Pesquisei o pacote de mouses e ainda não descobri uma maneira de usar as várias imputações para criar um modelo de Cox e validá-lo com a função do pacote rmsvalidate() . Aqui está um código de amostra do que tenho até agora, usando o conjunto de dados veteran: library(rms) library(survival) …

8 r  survival  cox-model  data-imputation  rms