R语言中统计分布和模拟前言 很多应用都需要随机数。像interlink connection，密码系统、视频游戏、人工智能、优化、问题的初始条件，金融等都需要生成随机数。但实际上目前我们并没有“真正”的随机数生成器，尽管有一些伪随机数生成器也是非常有效的。目录 1. 概率统计分布概述 2. 随机函数模拟介绍 3. 密度函数模拟介绍 4. 分布函数模拟介绍 5. 分位数函数模拟介绍 6. 函数模拟
转载
2023-08-11 21:03:04
216阅读
这个问题涉及马蹄蟹研究的数据。研究中的每只雌性马蹄蟹都有一只雄性螃蟹贴在她的巢穴中。这项研究调查了影响雌蟹是否有其他男性居住在她附近的因素。被认为影响这一点的解释变量包括雌蟹的颜色（C），脊椎状况（S），体重（Wt）和甲壳宽度（W）。数据文件：crab.txt。我们将首先拟合仅具有一个自变量：宽度（W）的泊松回归模型 估计的模型是：$ log（ hat { mu_i}）$
转载
2023-08-08 14:04:24
255阅读
泊松建模标准化发病率或死亡率（SIR/SMR），即计算标准化率的间接方法。 SIR 是观察到的和预期的案例的比率。 预期病例数是通过将特定阶层的人口率乘以队列中相应的人年得出的。 我们继续使用我们的女性直肠癌数据 首先我们导入R包和数据library(popEpi)
library(Epi)
library(splines)
bc<-read.csv("E:/r/test/smr
转载
2023-10-11 09:11:12
158阅读
# Poisson分布及其离散概率质量函数在R中的应用
在统计学中，Poisson分布是一种重要的离散概率分布，用于描述单位时间或单位面积内事件发生的次数。它通常用于研究随机事件，比如电话接入数量、网站访问次数等。本文将介绍Poisson分布的概率质量函数（PMF）以及在R语言中的实现，同时展示我们如何可视化这些数据。
## 概率质量函数
Poisson分布的概率质量函数定义为：
\[ P
原创
2024-10-25 03:47:40
90阅读
人们通常使用接收者操作特征曲线（ROC）进行二元结果逻辑回归。但是，流行病学研究中感兴趣的结果通常是事件发生时间。使用随时间变化的时间相关ROC可以更全面地描述这种情况下的预测模型。时间相关的ROC定义令 Mi为用于死亡率预测的基线（时间0）标量标记。 当随时间推移观察到结果时，其预测性能取决于评估时间 _t_。直观地说，在零时间测量的标记值应该变得不那么相关。因此，ROC测得
转载
2023-11-27 19:42:05
102阅读
原文链接：http://tecdat.cn/?p=6560读取数据summary(eba1977)## city age pop cases ## Fredericia:6 40-54:4 Min. : 509.0 Min. : 2.000 ## Horsens :6...
原创
2021-05-12 14:16:08
352阅读
在本文中，我想向你展示如何使用R的Metropolis采样从贝叶斯Poisson回归模型中采样。Metropolis-Hastings算法Metropolis-Hastings抽样算法是一类马尔科夫链蒙特卡洛（MCMC）方法，其主要思想是生成一个马尔科夫链使其平稳分布为目标分布。这种算法最常见的应用之一是在贝叶斯统计中从后验密度中取样，这也是本文的目标。该算法规定对于一个给定的状态Xt，如何生成下
转载
2023-09-29 22:25:10
170阅读
读取数据summary(eba1977)## city age pop cases ## Fredericia:6 40-54:4 Min. : 509.0 Min. : 2.000 ## Horsens :6...
原创
2021-05-19 23:42:55
430阅读
有时候我们会用帕累托图(Pareto chart)来展现数据的两个指标(一个频数，一个率)，这种情况就需要用双坐标来展示。ggplot2的作者Hardley似乎也不太认同双坐标的存在。那么，有时候回归基础包，也是另一种尝试。花了点时间用基础包画了下面这张帕类托图，左侧纵坐标代表病人例数，右侧表示死亡率，横坐标是一种疾病严重程度评分。那么我们来看一下这么一张图是怎么一步步画出来的吧。image.pn
转载
2023-11-21 13:16:16
54阅读
帕累托图以Vilfredo Pareto命名的Pareto图表是一种同时包含条形图和折线图的图表，其中各个值按降序由条形表示，累计总数或者累计百分比由直线表示。问题定义：想了解各个产品的销售额，并找到营销销售额的关键产品。解决方案：针对这个问题，可以采用帕累托可视化分析，非常直观有效地解决这个问题。R语言绘制帕累托图。参考代码：library(pacman) # R包管理器
p_load(qcc)
转载
2023-05-23 12:27:07
455阅读
这个问题涉及马蹄蟹研究的数据。研究中的每只雌性马蹄蟹都有一只雄性螃蟹贴在她的巢穴中。这项研究调查了影响雌蟹是否有其他男性居住在她附近的因素。被认为影响这一点的解释变量包括雌蟹的颜色（C），脊椎状况（S），体重（Wt）和甲壳宽度（W）。数据文件：crab.txt。我们将首先拟合仅具有一个自变量：宽度（W）的泊松回归模型...
原创
2021-05-19 23:37:33
1302阅读
原文链接：http://tecdat.cn/?p=6304在这篇文章中，我们将看一下Poisson回归的拟合优度测试与个体计数数据。许多软件包在拟合Poisson回归模型时在输出中提供此测试，或者在拟合此类模型（例如Stata）之后执行此测试，这可能导致研究人员和分析人员依赖它。在这篇文章中，我们将看到测试通常不会按预期执行，因此，我认为，应该谨慎使用。偏差拟合度检验...
原创
2021-05-12 14:12:45
682阅读
这个问题涉及马蹄蟹研究的数据。研究中的每只雌性马蹄蟹都有一只雄性螃蟹贴在她的巢穴中。这项研究调查了影响雌蟹是否有其他男性居住在她附近的因素。被认为影响这一点的解释变量包括雌蟹的颜色（C），脊椎状况（S），体重（Wt）和甲壳宽度（W）。数据文件：crab.txt。我们将首先拟合仅具有一个自变量：宽度（W）的泊松回归模型...
原创
2021-05-12 14:20:08
1303阅读
在这篇文章中，我们将看一下Poisson回归的拟合优度测试与个体计数数据。许多软件包在拟合Poisson回归模型时在输出中提供此测试，或者在拟合此类模型（例如Stata）之后执行此测试，这可能导致研究人员和分析人员依赖它。在这篇文章中，我们将看到测试通常不会按预期执行，因此，我认为，应该谨慎使用。偏差拟合度检验...
原创
2021-05-19 23:42:15
1233阅读
首先是试验设计5个人，发150次红包，每次50块，为了排除其他变量的干扰比如人品等因素，每抢30次调换一下顺序。然后对数据进行统计。第一步对数据可视化展示，观察数据的规律因为没有原始数据，看完整个视频后根据毕导总结的规律模拟数据 数据的基本规律是 第一个抢红包的金额符合0.01~20的均匀分布 第二个抢红包的金额符合0.01~24.99的均匀分布 第三个抢红包的金额符合0.01~33.32的均匀分
转载
2024-08-22 09:59:10
69阅读
研究WSN空间覆盖能力的论文或多或少会假设随机部署的节点位置是服从柏松点过程（Possion Point Process，PPP）的，刚接触到这个概念也是挺懵了，之前学过随机过程、排队论都是讲的一维上的Possion Process，而二维平面上的PPP如何实现呢？在许多论坛上搜索后，终于找到实现二维PPP的代码实现，原来有个大牛Adrian Baddeley集结了一帮
转载
2023-08-31 16:20:12
87阅读
什么是正太分布检验？ 判断一样本所代表的背景总体与理论正态分布是否没有显著差异的检验。方法一 概率密度曲线比较法 看样本与正太分布概率密度曲线的拟合程度，R代码如下：norm_expression <- function(x) (1/sqrt(2*pi))*exp(-0.5*x^2)
#curve(norm_expression, -4, 4, col="red") #标准正太分布概率密度曲
转载
2023-06-21 20:32:14
231阅读
在我们的数理统计课程中，已经看到了大数定律（这在概率课程中已经被证明），证明给出一组i.i.d.随机变量 ，其中有为了直观地看到这种收敛性，我们可以使用> for(i in 1:20)B\[,i\]=mean_samples(i*10)
> boxplot(B)也可以直观地看到边界 （用于中心极限定理，获得极限的非退化分布）。我们一直在讨论经
转载
2023-12-30 20:40:07
205阅读
这个问题涉及马蹄蟹研究的数据。研究中的每只雌性马蹄蟹都有一只雄性螃蟹贴在她的巢穴中。这项研究调查了影响雌蟹是否有其他男性居住在她附近的因素。被认为影响这一点的解释变量包括雌蟹的颜色（C），脊椎状况（S），体重（Wt）和甲壳宽度（W）。数据文件：crab.txt。我们将首先拟合仅具有一个自变量：宽度（W）的泊松回归模型 估计的模型是：$ log（ hat { mu_i}）$
转载
2023-10-11 20:49:55
19阅读
目录0 R语言概述1 本次实战简介2 涉及的工具包2.1 ggplot2简介2.2 ggExtra简介2.3 ggpointdensity简介3 开始画图3.1 安装并载入3.2 导入数据3.3 二维散点核密度图3.4 修改横纵坐标轴和坐标轴名称3.4.1 不想要的部分：XXX=“none”3.4.2 修改背景（包括坐标轴）4.绘制边际图形0 R语言概述 &
转载
2023-06-25 11:32:52
152阅读
