We make data science available to everyone, regardless of your economic means.
Choosing Python or R for Data Analysis? An Infographic Wondering whether you should use Python or R for data analysis? You’ve come to the right place. It's hard to know whether to use Python or R for data analysis. And that’s especially true if you're a newbie data analyst looking for the right language to start with. But it is possible to figure out the strengths and weaknesses of both languages.
Welcome to a Little Book of R for Time Series!¶ By Avril Coghlan, Parasite Genomics Group, Wellcome Trust Sanger Institute, Cambridge, U.K. Email: alc@sanger.ac.uk This is a simple introduction to time series analysis using the R statistics software. There is a pdf version of this booklet available at https://media.readthedocs.org/pdf/a-little-book-of-r-for-time-series/latest/a-little-book-of-r-fo
R、R言語、R環境・・・・・・ Rのダウンロードとインストール リンク集 題名 Chap_01 データ解析・マイニングとR言語 Chap_02 Rでのデータの入出力 Chap_03 Rでのデータの編集と演算 Chap_04 Rと基本統計量 Chap_05 Rでの関数オブジェクト Chap_06 Rでのデータの視覚化(1) Chap_07 Rでのデータの視覚化(2) Chap_08 Rでのデータの視覚化(3) Chap_09 GGobiとデータの視覚化(Rgobi) Chap_10 Rと確率分布 Chap_11 Rと推定 Chap_12 Rと検定 Chap_13 Rと分散分析 Chap_14 Rと回帰分析 Chap_15 Rと重回帰分析 Chap_16 Rと一般化線形モデル Chap_17 Rと非線形モデル Chap_18 Rと判別分析 Chap_19 Rと樹木モデル Chap_20 WEK
このタスクビューに対する提案や改良は、GitHubのissueやpull request、またはメンテナのアドレスに電子メールで送ってください。詳しくはContributing guideをご覧ください。 このタスクビューのパッケージは、ctvパッケージを使用して自動的にインストールすることができます。例えば、ctv::install.views(“Pharmacokinetics”, coreOnly = TRUE)は全てのコアパッケージをインストールし、ctv::update.views(“Pharmacokinetics”)はまだインストールしていない全てのパッケージと最新のものをインストールします。詳しくは CRAN Task View Initiativeを参照してください。 薬物動態(PK)データの解析は、投与量を決定するための濃度時間曲線で示されるように、投与レジメンと薬物へ
回帰分析 や 相関関係分析 を 行う前に、まず一番最初に、「データの検証」と「データの加工」が絶対に必要 上記のステップを踏まないと、例え、Excel や SPSS、Rで 回帰分析・相関関係を事項して、「実行エラー」起こらないで、ちゃんと数字が画面に出ても、それは『間違った数字』である可能性が非常に高い 回帰分析 や 相関関係分析に使えるデータは、次の 『 NG条件 』にあてはまらないデータだけ 「データの形」必須条件 ~その1 データ期間を通じて、データの平均値が変わるデータだとNG ⇒ 折れ線グラフでチェック必須! 「データの形」必須条件 ~その2 データ期間を通じて、データのぶれ・ばらつきが変わるデータだとNG ⇒ 折れ線グラフチェック必須! 「データの形」必須条件 ~その3 データ期間を通じて、データの値が直線的 or 曲線的に、増加する・減少するデータだとNG ⇒ 折れ線グラフチ
最終更新:2017年6月1日 Rのdlmパッケージを用いて、動的線形モデル(正規線形状態空間モデル)を推定する方法を書きます。 ●状態空間モデル関連のページ なぜ状態空間モデルを使うのか 状態空間モデル:状態空間モデルのことはじめ dlmの使い方 :Rで正規線形状態空間モデルを当てはめる ローカルレベルモデル:dlmパッケージを使ってローカルレベルモデルを当てはめる 季節とトレンド:dlmパッケージを使って季節成分とトレンドの入ったモデルを作る dlmによる時変形数モデル:dlmによる「時間によって係数が変化する回帰モデル」の作成 Pythonによる状態空間モデル:R言語ではなくPythonを使いたい方はこちらをどうぞ スポンサードリンク 目次 1.状態空間モデル推定の流れ Step1 状態空間モデルの「型」を決める Step2 パラメタを推定するー最尤法 Step3 カルマンフィルターす
前回の記事では計量時系列分析とは何ぞや?みたいなところをやりましたので、今回はいろはのイともいえるARIMAまわりから始めていこうと思います。 ということで改めて、使用テキストはいつものこちらです。 経済・ファイナンスデータの計量時系列分析 (統計ライブラリー) 作者: 沖本竜義出版社/メーカー: 朝倉書店発売日: 2010/02/01メディア: 単行本購入: 4人 クリック: 101回この商品を含むブログ (6件) を見る 以下タイトルにのっとってRで各モデルの挙動を見ながらやっていきます。 必要なRパッケージ {forecast}をインストールして展開して下さい。Rそのものの初心者向け説明はここでは全面的に割愛するので、適宜何かしらの初心者向け説明をご参照あれ。 今回のモデルで目指すもの 前回の記事では、要は「自己相関が大事よー」という話を何度もしました。ということは、時系列モデリング
『MarkeZine』が主催するマーケティング・イベント『MarkeZine Day』『MarkeZine Academy』『MarkeZine プレミアムセミナー』の 最新情報をはじめ、様々なイベント情報をまとめてご紹介します。 MarkeZine Day
『MarkeZine』が主催するマーケティング・イベント『MarkeZine Day』『MarkeZine Academy』『MarkeZine プレミアムセミナー』の 最新情報をはじめ、様々なイベント情報をまとめてご紹介します。 MarkeZine Day
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graphviz による出力 † path.diagramコマンドの出力したGraphviz用シンタックスを読み込んで描画。 ↑ Macintoshでの実行例 † 小島隆矢 「Excel で学ぶ共分散構造分析とグラフィカルモデリング」 Ohmsha の第4,5章で取り上げられているカメラの満足度についてのデータを分析してみた。 図を日本語で描くことにする。 camera <- structure(list(小型軽量 = c(3, 5, 2, 4, 4, 5, 1, 1, 4, 4, 5, 2, 5, 1, 2, 4, 1, 5, 2, 2, 4, 3, 5, 5, 4, 3, 2, 1, 3, 2, 4, 4, 2, 5, 2, 1, 1, 2, 2, 2, 2, 3, 2, 4,
行動科学などの領域では、重さや長さのように直接観測可能な特性だけでなく、「先高感」「知能」「ブランドイメージ」のように直接測定出来ない特性である構成概念(潜在変数)を扱う必要がある。 構造方程式モデリングは、構成概念や観測変数の性質を調べるために集めた多くの観測変数を同時に分析するための統計的方法。 構造方程式モデリング 多変量解析の1手法 第2世代の多変量解析 伝統的な統計手法を下位モデルとして実行可能 因子分析法 多変量解析 パス解析法 時系列解析 etc... 変数の分類 方程式モデルには、様々な種類の変数が登場するため、ここでは、3つの観点から分類しその性質を確認する 観測変数と潜在変数 観測変数 : 直接観測出来る変数。 潜在変数 : モデルに導入した直接観測出来ない変数。構成概念 構造変数と誤差変数 構造変数 : 考察の対象となっている構成概念を含んでいる変数 誤差変数 : 考
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