時系列データの解析（厚労省公開の医療費データ） - データサイエンティスト上がりのDX参謀・起業家
この本に沿って時系列データの解析方法をまとめました。 Rによる時系列分析入門 作者: 田中孝文出版社/メーカー: シーエーピー出版発売日: 2008/06/01メディア: 単行本購入: 12人 クリック: 113回この商品を含むブログ (19件) を見る サンプルデータを使っても面白くないので、厚労省が公開している医療費のデータを使いました。 厚労省の医療費データベース 例によってこのデータはエクセルで公開されていて、そのまま解析できる状態じゃありません。 今回は入院の総医療費だけを扱ったので、その部分だけ加工してcsvにしました。 一応、加工したデータはダウンロードのページに置いてます。 それでは、解析していきます。 まずはデータ読み込みと加工。 Iryouhi <- read.csv("医療費.csv", as.is = T) Nyuin <- ts(Iryouhi[, 2], fre
時系列データの相関 - 驚異のアニヲタ社会復帰の予備
ロトカ＝ヴォルテラのような時系列変化をしているものの相関を調べたいんだけど、という相談を受けた。 それで、既にGeneNetというパッケージに目をつけているらしいのでこれをやってみる。 他、ggm, GGMselectというのもあるらしいけど時間があれば…たぶんない。 データセットecoliは、ヒト酸化還元酵素を発現させたあとの102遺伝子の発現をマイクロアレイで調べたデータである。 Description This data set describes the temporal expression of 102 genes of E. Coli after induction of the expression of SOD (recombinant human superoxide dismutase). 時間は0から数えて9つタイムポイントを設定し、データはにしてある。基準はtim
時系列解析 理論編
★新サイト完成しました! ３秒後に自動的に移動します 変わらない方は こちらからどうぞ http://logics-of-blue.com/%E6%99%82%E7%B3%BB%E5%88%97%E8%A7%A3%E6%9E%90_%E7%90%86%E8%AB%96%E7%B7%A8/ ここからは、予測理論 の本命、時系列解析の紹介に移ります。 時系 列解析は、回帰分析とは違ってあまり知らない人も多いと思うので、ざっと解説を載せておきます。 それ と、便利なパッケージ forecast の紹介も。 時系列解析って何？ 回帰分析だと、なにかの要因から結果を予測します。一方時系列解析は、過去のデータから未来を予測するという手法です。 たとえば、一年前に魚が豊漁だったら、今年も豊漁になりやすいとか、そういう関係性があるのかというところを調べて予測に活用します。もちろん、回帰分析 のように別の要
R言語を用いた自己回帰モデルによる株価予測を試してみた - Y's note
一番売れてる株の雑誌ZAiが作った「株」入門 改訂版 作者: ダイヤモンド・ザイ編集部出版社/メーカー: ダイヤモンド社発売日: 2009/03/27メディア: 単行本購入: 5人 クリック: 71回この商品を含むブログ (13件) を見る 株価予測 欧州の経済不安により円高/日本株安が深刻になっています。トレーダーとしてはこのBigWaveを見過ごす訳にはいかないですが、「もうはまだなり、まだはもうなり」という言葉があるように投資のタイミングは非常に難しいものです。ここでは投資理論を語るのではなく、機械学習で株価を予測する事を試してみます。今回採用する予測Modelは自己回帰Model(AR)です。ARは時系列データ解析によく用いられます。AR処理はR言語のar関数を用います。 AR(AutoRegressive)Model ARModel - 自己回帰モデル ARModelは時系列解析
Rの基本パッケージ中の時系列オブジェクト一覧 - RjpWiki
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 です時間情報 時系列オブジェクトは(等間隔)観測時間情報を持つため、時間に関する以下のような幾つかの 特殊な情報を持つ: 自然な時間単位 年、月、週、一時間等 観測開始時間 start 観測終了時間 end 頻度 frequency：単位時間内の観測値の数。月別データなら、自然な時間単位 「年」に対する周期は 12 サンプリング比率 deltat： 自然な時間単位に対する、サンプリング間隔を表す比率。 月別データなら、自然な時間単位「年」に対する deltat は 1/12。周 期とサンプリング比率どちらか一方を与えれば良い。 周期 cycle：各データの観測時間情報を表す、自然な時間単位とその中での頻度 を表す対。例えば年と月 (1993、5)、年と四半期 (2002、Qtr2)、月と日
Small Data Scientist Memorandum R+BUGSで時系列データを階層ベイズモデル（AR model）で解析する (1) BUGS編
ほんとの薬を投与した場合にTreat = 1になっています。 RからWinBUGSを動かす方法のセットアップは久保先生の本に載っているので割愛します（要望があればインストールから詳しく書きます）。データを見て時系列がわりとなめらかであること、今回は薬によって減少したか（増加したか）の傾きを知りたいことなどからAR modelを採用しました。BUGSコードは以下になりました。 2～9行目がモデルの数式をBUGSコードに直したものに相当し、11～42行目が事前分布の設定になります。ざっと説明します。 ・（3行目, 6行目） mu.yは真の値でそこからノイズ（機器の測定誤差みたいなものを想定）を加えて観測値Yが得られます。 ・（4行目） mu.yの初期値は人によらないbaseline.0と個体差baseline[i]に分けて推定します。このようにするとbaseline.0は無情報事前分布、個体差
F.5.10. ARモデル | R Financial & Marketing Library
auto.arima( nottem ) decompose()関数を使用して、nottem のデータの構成要素を確認し、 てみました。 data4 <-decompose( nottem ) plot( data4 ) 季節変動要素（seasonal）を取得しマトリクスに変換しました。 data4$seasonal data5 <- as.matrix( data4$seasonal ) ar()関数で算出した、13次の係数を使用して、モデルを作成してみます。 まずは、nottem をマトリックスに変換します。 dat <- as.matrix( nottem ) 式に係数を割り当て、各変数に入る値を nottem から抽出しました。 n <- 1 i <- 1 j <- 1 xn <- matrix( 0, 240, 13 ) while( j < 14 ){ while(
1
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
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
