<BODY> <font color="#DC143C">R のプログラムをご覧になる方は</font> <a href="r.html" target="_top"><font color="#000000">こちら</font></a> からどうぞ. </BODY>
RjpWiki はオープンソースの統計解析システム R に関する情報交換を目的とした Wiki ですR の回帰分析と分散分析関数の簡易一覧 Rは回帰分析関連の関数を多数持ち、統計解析機能の中心的位置を占める。 以下では、線形(重)回帰モデル、一般化線形モデル、非線型回帰モデル、そしていくつかの 現代的手法用の関数を紹介する。現代的な統計理論では、分散分析も線形回帰モデルとして処理することが 普通であるため、分散分析関連の関数もここで一緒に紹介するのが適当である。 線形モデルを当てはめる lm() 関数 lm() は線形モデルの当てはめに使われる。回帰分析、および一元配置 分散・共分散分析を行える(後者に付いては aov() 関数の方がより広範囲なインタフェイスを与える)。 lm(formula, data, subset, weights, na.action, method = "qr"
2変数正規分布と最小二乗法の興味深い関係について説明しよう。ふたつの間を取り持つのは条件付期待値である。 2変数正規分布 2変数正規分布に従う2つの確率変数x1、x2の同時分布は次のような確率要素であった。 これを元にx1の確率要素をdP1として、x2の条件付確率要素dQ=dP/dP1を求めよう。確率要素dP1は、同時密度の周辺分布であったことは覚えておられるだろう。 なので、 従って、x2の条件付確率分布は、やはり正規分布となるのである。この結果は、同時分布と周辺分布をいつものように表せば、 という条件付確率密度の計算になっている。そしてその条件付期待値と分散は直ちに、 と分かる。この条件付期待値は、x2の期待値がすでにとられているから、先行条件として与えるx1の関数となっており、回帰関数といわれる。条件付期待値が同時確率を持つ変数との最小分散を与える関数となることはすでに先の項で述べた
はじめての方へ 競馬ソフトを開発したい方へ JRA-VAN では、皆様の馬券購入の参考になるように、データマイニング予測として、レース結果を事前に予測しています。 世の中には、気象予測、経済予測、株価予測など、さまざまな予測がコンピュータにより行われています。競馬の世界でも、スピード指数、レーティング指数などさまざまな数式や指数が、勝敗予測のために用いられていますが、それらの中のひとつがJRA-VANのデータマイニング予測です。 2008年1月以降予測の仕組みについて以下の改修を行っております。本文では改修後の仕組みについてご説明します。 予測モデルの細分化 2008年1月から距離別レースクラス別に予測モデルを分割 2009年1月から上記に2歳戦・3歳戦に限定した予測モデルを追加 従来の走破速度予測モデルに加え、競走馬の勝敗を予測するモデルを追加 予測のためのデータとして坂路調教データを追
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く