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
随机过程：依赖于时间t的一族(无限多个)随机变量，记为{X(t),t∈T} ，t也可以为次序、间隔等对于每一个t，X(t)是一个随机变量，也称为在t时刻的过程状态，对于一些t∈T，X(t)的所有可能取值的全体成为随机过程的状态空间对随机过程{X(t),t∈T} 进行一次试验，即在T上进行一次全程观测，其结果为t的函数，记为x(t),称之为样本函数或样本曲线随机过程分类：1)如果对于任意时刻的状态时
转载
2024-07-17 15:14:41
29阅读
定义泊松（Poisson）过程，是以法国数学家泊松（1781 - 1840）的名字命名的。泊松过程是随机过程的一种，是以事件的发生时间来定义的。泊松过程是一个计数过程，也是一个独立增量过程。计数过程是在内出现事件A的总数所组成的过程。如果在不相交的时间间隔内出现事件A的次数是互相统计独立的则A事件的计数过程为独立增量过程。满足下列三个条件的 随机过程被称为泊松过程。随机过程是计数过程，且
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
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
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
## R语言样本分布图的实现流程
为了教会你如何实现R语言的样本分布图，我们将按照以下步骤进行操作：
| 步骤 | 操作 |
| --- | --- |
| 步骤一 | 安装R语言和RStudio |
| 步骤二 | 导入数据 |
| 步骤三 | 创建样本分布图 |
下面我们将详细介绍每一步需要做什么，包括需要使用的代码和对代码的解释。
### 步骤一：安装R语言和RStudio
在开始
原创
2023-11-16 06:08:05
135阅读
作者 MANISH SARASWAT 译者 钱亦欣 引言 目前我们发展出了不少机器学习算法来对数据建模，基于数据进行一些预测已经不再是难事。不论我们建立的是回归或是分类模型，只要我们选择了合适的算法，总能得到比较精确的结果。然而，世事并不总是一帆风顺，某些分类问题可能比较棘手。 在对不平衡的分类数据集进行建模时，机器学习算法可能并不稳定，其预测结果甚至可能是有偏的，而预测精度此时也变得带有误导性
转载
2024-02-23 14:02:20
59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
方差分析泛应用于商业、经济、医学、农业等诸多领域的数量分析研究中。例如商业广告宣传方面，广告效果可能会受广告式、地区规模、播放时段、播放频率等多个因素的影响，通过方差分析研究众多因素中，哪些是主要的以及如何产生影响等。而在经济管理中，方差分析常用于分析变量之间的关系，如人民币汇率对收益率的影响、存贷款利率对债券市场的影响，等等。协方差是在方差分析的基础上，综合回归分析的方法，研究如何调节协变量对因
转载
2023-08-29 20:12:54
146阅读
r语言实现自相关分析和偏相关分析自相关分析为什么要做自相关分析：对数据进行建模前首先要对数据有一个大致的理解，自相关分析可以帮助人们看出数据是否平稳，时间序列是否存在某种变化的趋势。自相关简介：自相关是指同一时间序列在不同时刻取值的相关程度，假设有时间序列xt，t=1,2,3,…，则在此时刻 t 和 t+n 之间的相关即为 n 阶自相关，其定义如下：通俗上说，就是把一列数据按照滞后数拆成两列数据，
转载
2023-06-25 13:04:47
559阅读
Matlab中用于计算自相关函数的指令是xcorr.比如矩阵A=[1 2 3]; xcorr(A)=3.0000 8.0000 14.0000 8.0000 3.0000 自相关函数是信号间隔的函数，间隔有正负间隔，所以n个长度的信号，有2n-1个自相关函数值，分别描述的是不同信号间隔的相似程度。 比如，上面
转载
2023-11-20 17:18:57
167阅读
file:///C:/Users/kingS/Downloads/R%E8%AF%AD%E8%A8%80%E5%A4%8D%E4%B9%A0.svgR语言复习 基本操作 帮助 ？ or help 加注释 # ctrl + shift + C在Rstudio中多行一键注释 logical 载入包 library（包名） require（包名） 下载安装包 install.packages(‘包名’)
转载
2023-12-07 20:03:53
50阅读
1.什么是多边形树状图？多边形树状图，它是一种利用嵌套式多边形显示层次结构的方法，同时通过面积大小显示每个类别的数量大小。多边形树状图采用多边形表示层次结构里的节点，父子节点之间的层次关系用多边形之间的相互嵌套隐喻来表达。每个类别会被分配一个多边形区域，而其子类别则由嵌套在其中的小多边形代表。当不同类别分配不同数量时，这些多边形的面积大小会与数量成正比显示。此外，主类别的面积大小是其所有子类别的总
转载
2023-08-09 15:51:19
77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
在机器学习中，理解协方差矩阵的关键在于牢记它计算的是同一个样本不同特征维度之间的协方差，而不是不同样本之间。拿到样本矩阵之后，我们首先要明确一行是样本还是特征维度。 一般来说，样本矩阵中一行是一个样本，一列为一个特征维度。所以要按列计算均值（期望），再按行计算出协方差矩阵，把每一行的协方差矩阵相加再除以行数（即样本数），得到样本矩阵的协方差矩阵一、协方差 从公式上看，协方差是两个变量与自身期望做差
转载
2023-10-19 15:08:53
895阅读
样本量问题真的是好多人的老大难，是很多同学科研入门第一个拦路虎，今天给本科同学改大创标书又遇到这个问题，我想想不止是本科生对这个问题不会，很多同学从上研究生到最后脱离科研估计也没能把这个问题弄得很明白，那么希望大伙儿在看了这篇文章能够更加深入地理解样本量计算的逻辑，也能对大家的科研设计中的样本量设计部分有所启发。样本量计算的逻辑还记得我们最开始接触统计推断的时候，大家都知道一个词叫做原假设，原假设
转载
2023-10-08 19:35:38
455阅读
r语言混合样本问题主要是在处理多种类型的样本数据时，如何有效地进行统计分析和建模。混合样本在科研、市场分析等领域都有广泛的应用，特别是在生态学和医学研究中。本文将详细探讨如何解决“r语言混合样本”问题，从协议背景到多协议对比，分几个部分进行详细阐述。
### 协议背景
混合样本的概念是围绕数据来源的多样性而生。首先，我们要认识到，不同来源的数据在特征分布、采样方式等方面有本质上的区别。为了更好
前言：R语言是实践统计学和机器学习的良好工具，个人觉得相比Python比较容易学习。协方差，皮尔逊系数以及斯皮尔曼系数的具体统计学或数学意义就不在此过多描述，主要是解释其R语言代码实现，将分别使用公式的方式计算以及直接调用现有function的方式，以下是具体操作。（一）首先导入数据并绘制图像，数据是介个样子： 直接复制下面即可放到txt文本文件中就跟上面一样了，或者你也可以自己写数据，csdn这
转载
2023-08-21 13:53:23
243阅读
R语言赋值：<- e.g. x <- rnorm(5)注释：# 输入输出：1） 输入：source(“filename.R”)2） 文本输出：sink(“filename”)，参数append=TRUE将文本追加到文件后而不覆盖原文件，参数split=TRUE将输出同事发送到屏幕和文件；sink()输出到屏幕。3） 图形输出：bmp() jpeg() pdf() png()
转载
2024-08-16 10:01:59
85阅读
