上一页 1 ··· 5 6 7 8 9 10 11 12 13 ··· 16 下一页
摘要: BG:在box-cox变换中,当λ = 0时即为对数变换。 当所分析变量的标准差相对于均值而言比较大时,这种变换特别有用。对数据作对数变换常常起到降低数据波动性和减少不对称性的作用。。这一变换也能有效消除异方差性 effor 和 size 这两个变量的频率分布图表明,它们并不满足正态分布。为了接近正 阅读全文
posted @ 2019-10-22 13:10 从前有座山,山上 阅读(2851) 评论(0) 推荐(0) 编辑
摘要: 求λ的第一种方法,用包 根据box-cox指令画出来的图,λ=0.5包含在区间中,于是令λ=0.5 求λ的第二种方法 (1)对给定的λ,计算z(λ) (2)求残差平方和 (3)对一系列的λ值,重复上述步骤,得到响应的残差平方和。以λ为横轴,残差平方和为纵轴,做出响应的曲线,值观看出使得残差平方和最小 阅读全文
posted @ 2019-10-22 12:23 从前有座山,山上 阅读(1803) 评论(0) 推荐(0) 编辑
摘要: 1.scale() 函数 2.关于误差e的假设 假设中,e的方差为σ^2 σ^2 的估计为 mse mse = sse/(n-p) p为回归参数的个数 不能用scale函数直接求标准化残差,因为其对应的公式为 (e-mean(e)) / sqrt(sse/(n-1)) 而不是 n-p 阅读全文
posted @ 2019-10-22 11:37 从前有座山,山上 阅读(2636) 评论(0) 推荐(0) 编辑
摘要: 从这个图看出残差随着N的增大而增大,因此似乎违背了方差齐性的假定。因为损害事故数可能是一个泊松分布,其方差与均值成比例。 由于可能是泊松分布,泊松分布的方差与均值有一次比例关系,所以为了保证方差齐性假定,我们做平方根变换。 阅读全文
posted @ 2019-10-22 10:55 从前有座山,山上 阅读(1862) 评论(0) 推荐(0) 编辑
摘要: Akaike information criterion,AIC是什么?一个用来筛选模型的指标。AIC越小模型越好,通常选择AIC最小的模型。第一句话好记,第二句话就呵呵了,小编有时候就会迷惑AIC越大越好还是越小越好。所以,还是要知其所以然的。 在AIC之前,我们需要知道Kullback–Leib 阅读全文
posted @ 2019-10-22 10:19 从前有座山,山上 阅读(18511) 评论(0) 推荐(2) 编辑
摘要: 数据: 对txt文件进行数据处理: 阅读全文
posted @ 2019-10-19 17:30 从前有座山,山上 阅读(3735) 评论(0) 推荐(0) 编辑
摘要: 1.列表与向量 定义一个向量,然后向内添加元素,得到一个长向量列表: 定义一个列表,向内添加元素,则添加的元素会自动变为列表,最终得到的是一个元素为列表的列表 2.range R语言中没有range函数 ,若要循环: 阅读全文
posted @ 2019-10-18 19:28 从前有座山,山上 阅读(272) 评论(0) 推荐(0) 编辑
摘要: 数据如下图: 用python对数据进行处理: 阅读全文
posted @ 2019-10-18 00:11 从前有座山,山上 阅读(8515) 评论(0) 推荐(0) 编辑
摘要: https://blog.csdn.net/uncle_gy/article/details/78788737 阅读全文
posted @ 2019-10-10 13:20 从前有座山,山上 阅读(175) 评论(0) 推荐(0) 编辑
摘要: 1.类与实例 1.1创建类和子类 类使用class关键字创建,类的属性和方法被列在一个缩进块中。 子类mammals可以继承父类animals的所有属性,同样,子类dog也可以继承父类mammals的所有属性。 1.2增加属于类的对象实例 我们定义了两个子类mammals和dog。图中有一条具体存在 阅读全文
posted @ 2019-10-06 23:38 从前有座山,山上 阅读(331) 评论(0) 推荐(0) 编辑
上一页 1 ··· 5 6 7 8 9 10 11 12 13 ··· 16 下一页