statistics

    0熱度

    2回答

    我有一個數據框有20個變量和400k實例。所有的變量用均值0和標準差1歸一化。我想寫一個函數,可以將每個變量的每個實例分類爲分位數。 Lets say we have a normalized vector a <- c(0.2132821 -1.5136988 0.6450274 1.5085178 0.2132821 1.5085178 0.6450274) And the quanti

    2熱度

    1回答

    我開始學習R,因爲它是工作所需要的。我從來沒有做過統計工作,所以我有點失落。 我正在尋找兩個數字之間的x值。 因此,例如,範圍爲3:7,我需要打印4,5,6 我已經試過 x <- 3:7 x[x>3 && x<7] 和 x <- 3 v <- 7 cbind(x, findInterval(x, v)) 任何意見/準則

    1熱度

    1回答

    輸入數據(XS): array([[ 0.28555165, -0.03237782, 0.28525293, 0.2898103 , 0.03093571], [ 0.28951845, -0.03555493, 0.28561172, 0.29346927, 0.03171808], [ 0.28326774, -0.03258297, 0.27879436, 0.28

    0熱度

    1回答

    我已經給出了一個數據集並將值輸入到R.對於賦值問題,您需要複製以下等式:y = 0.08x^0.75。 爲了把它變成一個適合y = Bo + B1x的等式,我使用下面的代碼取兩邊的log10。 fit <- lm(log10(Predator_Biomass)~log10(Prey_Biomass)) summary(fit) 由此我能夠獲得:Y = -1.1050 + 0.7450x 現在

    -3熱度

    1回答

    我正在做一個需要統計分析的醫學項目。我正在使用SPSS。我想寫以下情形的命令(程序): this is an example of what the data look like 有三列(變量)由上可見:年齡,麻疹,皮疹。 我希望程序只選擇麻疹陽性(麻疹==「POS」)的行,然後爲這些行創建一個臨時變量。 在此變量的每個單元將等於1,如果年齡> = 16或0,如果年齡< 16. 然後該程序應該執行

    0熱度

    2回答

    我想獲得特定列的三個部分的手段。如下圖所示,我已經分離了數據成排的三個部分,發現手段 > x<-mydata[1:50,3] > mean(x) [1] 1.462 > za<-mydata[51:100,3] > mean(za) [1] 4.26 > ch<-mydata[101:150,3] > mean(ch) [1] 5.552 我試圖把這個變成一個說法,但手段顯得比

    0熱度

    2回答

    我有他們的血統有例如很多家長不同基因型 genotypes parents G1 mac cemolt giza G2 mac miser G3 misr cemolt mac NE10 我有很多基因型的我想作一個矩陣,其中包括每兩個之間的共同親基因型,所以它應該看起來像 G1 G2 G3 G1 0 1 2 G2 2 我該如何執行此操作?

    -5熱度

    2回答

    我的數據集的頭像是這樣的。 Hotel_name Review_Title Sentiment 1 Accord Metropolitan Excellent comfortableness during stay 3 2 Accord Metropolitan Excellent comfortableness during stay 3 3 Accord Metrop

    0熱度

    1回答

    我有一維點的數據(位置在一條直線上)。我想檢查聚類泊松過程模型或Cox模型是否適合數據。 由於我的數據只有x座標,我嘗試了線性網絡泊松過程模型。但是,lppm僅支持泊松模型。 具有羣集模型的kppm方法需要二維數據。因此,我添加了一個zero的虛擬y列,值範圍爲(ymin=0,ymax=0.001)。 ymax=0在計算過程中返回錯誤。現在,我可以適應Matern羣集等。 我的問題是處理一維數據的

    -2熱度

    2回答

    鑑於這種集在Excel中: Group Enrolled Eligible Percent A 0 76 0% B 10 92 11% C 0 38 0% D 2 50 4% E 0 111 0% F 4 86 5% G 3 97 3% H 4 178 2% I 2 77 3% J 0