当对真实世界数据建模进行回归分析时,我们观察到模型的方程很少是给出线性图的线性方程。 大多数情况下,现实世界数据模型的方程式涉及更高程度的数学函数,如3或sin函数的指数。 在这种情况下,模型的曲线给出了曲线而不是线性。…
标签:R语言教程
R语言时间序列分析
时间序列是一系列数据点,其每个数据点与时间戳相关联。 一个简单的例子就是股票在某一天不同时间点的股票价格。另一个例子是一年中不同月份某个地区的降雨量。R语言使用许多功能来创建,操纵和绘制时间序列数据。时间序列的数据存储在…
R语言协方差分析
我们使用回归分析来创建描述预测变量变量对响应变量的影响的模型。有时,如果我们有类似于是/否或男/女等值的分类变量,简单回归分析为分类变量的每个值提供多个结果。在这种情况下,可以通过使用分类变量和预测变量来研究分类变量的影…
R语言泊松回归
泊松回归涉及回归模型,其响应变量是计数形式而不是分数数字。 例如,计算出生人数或一个足球比赛系列中的胜率数。响应变量的值也遵循泊松分布。 泊松回归的一般数学方程为 – log(y) = a + b1x1 + …
R语言二项分布
二项分布模型用来处理在一系列实验中只发现两个可能结果的事件的成功概率。 例如,掷硬币总是两种结果:正面或反面。使用二项式分布估算在重复抛掷硬币10次时正好准确地找到3次是正面的概率。 R具有四个内置函数来生成二项分布,它…
R语言正态分布
在随机收集来自独立来源的数据中,通常观察到数据的分布是正常的。 这意味着,在绘制水平轴上的变量的值和垂直轴中的值的计数时,我们得到一个钟形曲线。 曲线的中心代表数据集的平均值。 在图中,百分之五十的值位于平均值的左侧,另…
R语言逻辑回归
逻辑回归是一种回归模型,其响应变量(因变量)具有分类值,如True/False或0/1。 它实际上是根据与预测变量相关的数学方程,来衡量二进制响应的概率作为响应变量的值。 逻辑回归的一般数学方程为 – y =…
R语言多元(多重)回归
多元(多重)回归是线性回归扩展到两个以上变量之间的关系。在简单的线性关系中,我们有一个预测因子和一个响应变量,但在多元回归中,可以有多个预测变量和一个响应变量。 多元回归的一般数学方程为 – y = a + …
R语言线性回归
回归分析是一个广泛使用的统计工具,用于建立两个变量之间的关系模型。 这些变量之一称为预测变量,其值通过实验收集。 另一个变量称为响应变量,其值来自预测变量。 在线性回归中,这两个变量通过一个等式相关联,其中这两个变量的指…
R语言平均值,中位数和众数
R中的统计分析通过使用许多内置函数来执行的。这些函数大部分是R基础包的一部分。这些函数将R向量与参数一起作为输入,并在执行计算后给出结果。 我们在本章中讨论的是如何求平均值,中位数和众数。下面将分别一个个演示和讲解 …
R语言散点图
散点图显示了在笛卡尔平面绘制的多个点。每个点代表两个变量的值。在水平轴上选择一个变量,在垂直轴中选择另一个变量。 简单散点图使用plot()函数来创建。 语法 在R中创建散点图的基本语法是 – plot(x,…
R语言线形图
线形图是通过在多个点之间绘制线段来连接一系列点所形成的图形。这些点按其坐标(通常是x坐标)的值排序。线形图通常用于识别数据趋势。 R中的通过使用plot()函数来创建线形图。 语法 在R中创建线形图的基本语法是 R…