摘要：
原文链接：http://tecdat.cn/?p=6863 背景 诸如核密度估计（KDE）的平滑方法被用于控制用于计算每种疾病率的空间支持的群体基础。平滑程度由用户定义的参数（带宽或阈值）控制，该参数影响疾病图的分辨率和计算的速率的可靠性。 方法 内核，带宽的大小，是影响在KDE [在地图上的平滑的 阅读全文
摘要：
原文链接：http://tecdat.cn/?p=6592 维度降低有两个主要用例：数据探索和机器学习。它对于数据探索很有用，因为维数减少到几个维度（例如2或3维）允许可视化样本。然后可以使用这种可视化来从数据获得见解（例如，检测聚类并识别异常值）。对于机器学习，降维是有用的，因为在拟合过程中使用较 阅读全文
摘要：
统计测试最常见的领域之一是测试列联表中的独立性。在这篇文章中，我将展示如何计算列联表，我将在列联表中引入两个流行的测试：卡方检验和Fisher精确检验。 什么是列联表？ 列联表提供关于两个分类变量的测量的整数计数。最简单的列联表是一个2 × 22×2 频率表，由两个变量产生，每个变量有两个级别： 组 阅读全文
摘要：
如果您已经熟悉RStan，那么您需要组合的基本概念是具有相关随机斜率和异方差误差的标准多级模型。 我将R代码嵌入到演示中。所需的包是lavaan，lme4和RStan。 我喜欢将大多数统计方法理解为回归模型。这样，很容易理解大量技术背后的主张。这是一种适用于多级，SEM和IRT模型的方法。在这里，我 阅读全文
摘要：
原文链接：http://tecdat.cn/?p=6751 模拟回归模型的数据 验证回归模型的首选方法是模拟来自它们的数据，并查看模拟数据是否捕获原始数据的相关特征。感兴趣的基本特征是平均值。我喜欢这种方法，因为它可以扩展到广义线性模型（logistic，Poisson，gamma，...）和其他回 阅读全文
摘要：
原文链接：http://tecdat.cn/?p=6193 copula是将多变量分布函数与其边际分布函数耦合的函数，通常称为边缘或简单的边缘。Copula是建模和模拟相关随机变量的绝佳工具。 Copula的主要吸引力在于，通过使用它们，您可以分别对相关结构和边缘（即每个随机变量的分布）进行建模。 阅读全文
摘要：
神经网络一直是迷人的机器学习模型之一，不仅因为花哨的反向传播算法，而且还因为它们的复杂性（考虑到许多隐藏层的深度学习）和受大脑启发的结构。 神经网络并不总是流行，部分原因是它们在某些情况下仍然存在计算成本高昂，部分原因是与支持向量机（SVM）等简单方法相比，它们似乎没有产生更好的结果。然而，神经网络 阅读全文
摘要：
参数检验受制于数据属性的假设。例如，学生t检验是众所周知的参数检验，假设样本均值具有正态分布。由于中心极限定理，如果样本量足够，测试也可以应用于非正态分布的测量。在这里，我们将研究t检验有效所需的大致样本数。 将正态分布拟合到采样均值 为了研究满足学生t检验要求所需的样本数量，我们迭代各种样本量。对 阅读全文
摘要：
R语言代写是否应对二分连续变量执行逻辑回归 阅读全文
摘要：
什么是检验对？ 检验对的形式 （x1，x2）（X1，X2） 出现在两种情况中： 对同一实体执行两次测量。例如，一项评估新型胰岛素疗效的临床研究将为每位患者测量两次血糖水平：之前（X1X1）服药后（X2X2）。 对不同的实体进行测量。但是，实体根据其特征进行匹配。例如，为了测试药物的功效，您可能希望根 阅读全文