R语言入门视频笔记--9--随机与数据描述分析
古典概型的样本总量是一定的,且每种可能的可能性是相同的,
1、中位数:median(x)
2、百分位数:quantile(x)或者quantile(x,probe=seq(0,1,0.2)) #后面这个是设置参数,零到一的范围,每隔0.2算一次
不知道叫啥的很方便的函数:fivenum(x,na.rm=TRUE) #输出五个数最大值、最小值、下四分位数、上四分位数、中位数
3、协方差:用于看两组数据之间的关系,看看是不是有一定的关联性
他有一个相关系数r,r越接近1,则相关性越高,反之,越接近零就越低
cov(x[2:4]) #这就是求协方差矩阵
cor(x[2:4]) #这是求协方差r矩阵
4、研究变量之间的关系:
1、函数关系:有精确地函数表达式,关系非常明确,比如银行利率和收益的关系
2、相关关系:非确定关系,有关系蛋是没那么明确,比如身高和体重的关系,可分为下面的两种
一、平行关系:相关分析(一元、多元),比如一个人的物理成绩与数学成绩好坏的关系,表面看起来是有很强的相关的,其实是背后有很多因素起作用
cor.test(x1,x2)(相关系数显著性的假设检验) #输出的数据时:95%可信度下,相关系数所在的范围
二、依存关系:回归分析(一元、多元),一个变量决定另一个变量,起决定作用的是自变量,另一个是因变量,x是自变量,y是因变量
lm(y~1+x) #一元线性回归分析,会输出它的公式,截距和斜率。其调用形式是:fitted.model <- lm(formula,data=data.frame)
#formula是公式 data.frame为数据框 结果放在fitted.model中
#例如 fm2<-lm(y~x1+x2,data=production) 适应于y关于x1和x2的多元回归模型
#y~1+x或者y~x均表示y=a+bx有截距形式的线性模型。而通过原点的线性模型可以表达为:y~x-1或y~x+0或y~0+x
summary:使用summary(里面放回归分析的结果),来更详细的参数与结果,coefficients这一栏是描述计算的结果,后面的Pr(>|t|)是p_value,
算出的值对于这组数据合不合理,越小越好最后面星号越多越好,说明结果算的很好,模型建得很好,有时可能是两颗星,一颗星,
甚至一个点,甚至连一个点都没有,说明算出来的东西越不合理。
做这个线性回归是有前提的:1、这个样本变量是正态分布的2、自变量和因变量是线性的关系,如果这两个前提有一个不满足,
则这个模型的合理性和准确性不能保证。有一个检验模型合不合理的指标,就是Multiple R-squared,也就是R的平方
,相关系数平方,越接近一越合理。函数最下面的结果是F检验和它的p值
anova:方差分析函数,anova(),也可以得到summary函数结果的一部分,也只有一部分
predict:z=data.frame(x=185) ; predict(a,z) #这是一个预测函数,a是已经建好的线性模型,z是输入的数值,可以得到结果,很方便
多元回归:不止两组数据进行线性回归的计算,可能有三个四个五个数据进行,就要用到一些分析方法,比如逐步回归:其有两种方式,
向前引用法(从零开始,加一组,再加一组,再加一组数据看看),向后剔除法(先把所有数据都算进去,减一组,再减一组,
再减一组数据看看),逐步筛选法(一边加一边减)
sl <- step(s,direction="forward") 这是多元线性回归的公式,direction="forward" 方向等于forward是向前引用法,
backward是向后剔除法,both是两者都有,这个函数是通过判断AIC的值来进行数据的删除和添加,知道找到最优组合
但有时这个全自动化的函数也会出错,这时候就需要手工去进行筛选,add1()增加 和 drop1()删除 这两个函数。
比如drop1(s):s是已经用step函数处理过的模型,或者是新lm模型,然后会告诉你删除其中一个数据,
AIC的变化,然后你可以根据它的结果重新建立模型,再去看这个模型怎么样
会用到进行lm的更新,公式:new_lm<-updata(原来的lm, .~. , +新的数据),这是加入新的数据,减去原来的是一组数据,可以把
加号变为减号,减号后面是你要删除的数据
得出一个好的结果靠这些指标衡量:RSS(Residual standard error:残差平方和)越小越好
R的平方(Multiple R-squared:相关性系数) 越大越接近1越好
AIC(Akaike information criterion : 赤池信息准则 越小越好(大多数时候是非常好用的,但有时候是不好用的)
5、回归诊断
通常回归诊断需要诊断都有下面这些东西:
1、样本是否符合正态分布假设?
有些数据是符合的,有些是不符合的,所以需要我们了解样本是不是正态分布
2、是否存在离群值导致模型产生较大误差?
数据是抽提出来的,误差不能避免,有时正、负误差会抵消掉,对结果就没有影响。但有时候误差会偏离正常值很远的数据,这种数据我们叫它离群值,离群值对模型
的影响非常大,可能使得这个模型跟它原本的模样完全的偏离
如何发现这些离群值并把它剔除出去,使得这个模型回归正轨,这也是回归诊断中需要讨论的东西
3、线性模型是否合理?
我们假设这个关系是线性的,但是自然界中有很多关系未必是线性的,可能是二次多项式,也可能是一个指数的关系,还可能是更复杂的关系,
甚至有的时候我们没办法写出它的表达式。我们需要知道我们做这个线性的假设是否合理,我们怎么样去判断
4、误差是否满足独立性、等方差、正态分布等假设条件
误差一般也是满足独立性、等方差、正态分布的,所谓独立性是指误差与y,也就是因变量是没有关系的,误差不会随着y的值变化。
我们也要确定误差是否满足上述条件
还有自变量中真正独立的有哪些?这里的所谓独立是指:这个自变量不会跟随其他自变量变化
5、是否存在多重共线性?
多重共线性:所有的自变量中,有不是真正独立的自变量,这种情况可能会产生一个情况,就是计算过程中出现的一些矩阵是不可逆的,表现出来的就是这个矩阵的
行列式或者是这个矩阵的最小特征值非常接近零。由于在求回归模型的过程中需要求这矩阵的逆,如果这个矩阵是在这种非常接近不可逆的情况下,那很可能这个误差
非常非常的大,使得这个模型基本上失去了意义
一、正态分布检验
函数:shopiro.test() #如果算出来是不符合的就可以认为样本不符合正态分布,如果符合就认为它符合正态分布
shopiro.test(x$x1) #如果这个的结果中的p-value很小,就说明这个统计学意义很明显,需要拒绝假设,也就是说这个样本是不符合正态分布的。如果这个p-value很接近一
说明这个样本不能被否定为不是正态分布,也就可以认识它是正态分布
二、多重共线性检验
这里的检验原理是,把样本的数据组成一个矩阵,再乘以它的转置得到一个新的矩阵,然后再求这个矩阵的特征根,用特征根的最大值除以最小值,得到一个比值,这个值就叫kappa值,一般若kappa值小于100,就认为多重共线性的程度很小,若在100~1000之间,就认为存在中等程度或较强的多重共线性。若kappa>1000,则认为存在严重的多重共线性
函数/步骤:1、先data.frame()把数据组合好
2、在使用cor()求相关系数矩阵
3、kappa() #得到kappa值
4、eigen(x) #这个函数是用来求矩阵的特征根,在这里主要是看哪个样本中有很严重的多重共线性
1、广义回归线性模型
有时这个模型不是标准的线性的,我们也想给他做出来,这时候可以用广义线性模型
函数/步骤:1、先用data.frame()把数据组合好
2、glm(模型,family=binormal,data=xx) #family=binormal 的意思就是我们的因变量是二元的,1或者0。比如牛张不张嘴,张就是1,不张就是0
3、最后得到P=exp(y的系数+x的系数*x) / (1+exp(y的系数+x的系数*x))
2、非线性回归
有时这个线就是曲线,这时候就不能用线性回归,就要用有曲线的。
比如 x <- lm(y~log(x)) y <-lm(log(y)~x) z <- lm(log(y)~log(x))这些东西
拟合的问题:拟合不足(把幂函数拟合为直线),过度拟合(把误差都算进去,导致输入正确的数会偏离非常大)
R软件中有一个函数:nls()--非线性模型的参数估计 视频里面没有仔细讲 就算了吧^-^
R语言入门视频笔记--9--随机与数据描述分析的更多相关文章
- R语言入门视频笔记--10--数据挖掘
这里来挖掘超市购物车数据. 名词: 1.挖掘数据集:购物篮数据 2.挖掘目标:关联规则 3.关联规则:牛奶=>鸡蛋[支持度=2%,置信度=60%] 4.指出度:分析中的全部事务的2%同时购买了牛 ...
- R语言入门视频笔记--5--自定义函数
自定义函数 你可以输出一段代码,创建一个你自己定义的函数 蛋是如果你两个自定义函数的名字重复的话,后面的会把前面的替换掉 举个栗子: hanshu1 <- function(x) sqrt(v ...
- R语言入门视频笔记--4--R的数据输入
输入 R的数据输入可以大体三种: 1.键盘输出 2.从文本文件导入 3.从Excel中导入数据 一.从键盘输入 首先创建一个数据框,玩玩嘛,瞎建一个 mydata <- data.frame(a ...
- R语言入门视频笔记--8--数据框
一.数据框 使用data.frame函数生成数据框 x <- c(20122014101:20122014128) y <- rnorm(28,85,18) #生成28个平均数为85,方差 ...
- R语言入门视频笔记--6--R函数之cat、format、switch函数
一.cat 猫 怎么就变成一个输出函数了呢? cat 一个输出函数,功能和print有相同之处 我们一起比较看看 1.cat(“hellow world”)或cat('hellow world') ...
- R语言入门视频笔记--3-1--矩阵与数组
生成一个新矩阵,多用一些参数吧这次: x <- c(12,13,14,15) rname <- c("R1","R2") nname <- c ...
- R语言入门视频笔记--3--列表list
list <- (stud.id = 1234,stud.name="Tom",stud,marks=c(18,3,14,25,19)) #生成一个列表,里面有学生id,学生 ...
- R语言入门视频笔记--2--一些简单的命令
一.对象 1.列举当前内存中的对象 ls() 2.删除不需要的对象 rm(某对象名称) 3.查看向量长度 length(某向量名称) 4.查看向量类型 mode(某向量名称) 二.函数 1.seq函数 ...
- R语言入门视频笔记--1
一.数据框简要 可输入来访问mtcars这个系统自带的数据框中的mpg列 mtcars$mpg 或者输入 mtcars[c("mpg","cyl")] 来访问两 ...
随机推荐
- iOS5 and iOS6都只支持横屏的方法
If your app uses a UINavigationController, then you should subclass it and set the class in IB. You ...
- Vue项目经验
Vue项目经验 setInterval路由跳转继续运行并没有及时进行销毁比如一些弹幕,走马灯文字,这类需要定时调用的,路由跳转之后,因为组件已经销毁了,但是setInterval还没有销毁,还在继续后 ...
- ios之alloc和init
复制代码 SomeObject *obj = [[SomeObject alloc] initWithCenter:centerPoint radius:radius]; 和 复制代码 Som ...
- c# DateTime常用用法
参考:http://sqlyuju.com/c-datetime-hh-hh-qubie.html https://www.cnblogs.com/xiongxiaobai/p/5282827.htm ...
- div section article区分--20150227
div section article ,语义是从无到有,逐渐增强的.div 无任何语义,仅仅用作样式化或者脚本化的钩子(hook),对于一段主题性的内容,则就适用 section,而假如这段内容可以 ...
- 通过工厂模式批量创建对象后调用其中方法 出现XXXis not a function()问题原因
//通过工厂模式批量创建 function Computer(color,weight,logo){ var obj=new Object(); obj.color=c ...
- [LUOGU] P1048 采药
题目描述 辰辰是个天资聪颖的孩子,他的梦想是成为世界上最伟大的医师.为此,他想拜附近最有威望的医师为师.医师为了判断他的资质,给他出了一个难题.医师把他带到一个到处都是草药的山洞里对他说:" ...
- ECshop二次开发 ECSHOP首页显示积分商城里的商品
以ECSHOP2.7.2官方默认模板为基础 1).首先打开 index.php 文件,在最末尾增加下面函数,注意千万不要写到 “?>” 的外面去,要加在“?>”的前面,加以下代码: /** ...
- Life is short.,You need Python
真棒Python https://awesome-python.com/ 精选的Python框架,库,软件和资源的精选列表. 灵感来自awesome-php. 真棒Python 管理员面板 算法和设 ...
- windows phone 网络开发三部曲(一)各种包的各种抓法
首先感谢大家对我上一篇博客的支持,让我也体验了一把上榜的感觉. 这无疑是对我这个刚刚打算,认真写写博客的人的莫大的鼓励,再次感谢(鞠躬)!! 接下来想和大家分享一些关于windows phone网络开 ...