confidence-interval

    0

    1答えて

    私はlsmeansで提供されたorangesのデータを使用しています。 library(lsmeans) oranges.rg1<-lm(sales1 ~ price1 + price2 + day + store, data = oranges) days.lsm <- lsmeans(oranges.rg1, "day") days_contr.lsm <- contrast(days.

    1

    1答えて

    私は50サンプル平均の95%信頼区間を見つけようとします。サンプルサイズは2から600の範囲で、そして各試料の値は1と5 EX間に制限されている:10以上のサイズを有する sample 1 = (1,3.5,2.8,5,4.6) sample 2 = (1,5) sample 3 = (4.1,1.1,5,3.5,2,2.4,...) サンプルは私はベイズ推定にぎざぎざを使用する対数正規分

    1

    1答えて

    適合モデルから値をブートストラップしようとしています(カーブの最大勾配)。私が考えているコードはもっと効率的だと思うが、一般的にはうまくいくと思うが(より効率的にする方法も歓迎されるだろう)私が持っている問題は、私が最終的なサンプル値を持っているときに最後にあります。Infがセルの1つにあり、信頼区間が得られません。私はこれがブートストラップの問題であるのか、それとも私がそれをコード化したのか単純

    0

    2答えて

    私は、年ごとの治療を完了した人の割合について95%二項ウィルソン信頼区間を計算しようとしています(データセットは各人ごとに列挙されています)。 putexcelコマンドを使用して、シートのフォーマットを変更せずに結果を既存のExcelスプレッドシートにエクスポートできるように、結果を行列に保存します。私はバイナリ変数dscomplete_binaryを作成しました。これは、治療が完了していない場合

    0

    1答えて

    GLMMモデルを作成し、各因子の予測確率をプロットしました。しかし、私は、BootMer関数を使って信頼区間を作成する方法を探ることはできません。私はエラーメッセージが非整数の事前の重みからシミュレートすることができない取得し続けます。 誰かを助けることができると私は望んでいますか?前もって感謝します。何らかの理由でBootmerはそれで問題がある glmm1 <- glmer(cbind(Tot

    0

    1答えて

    Rでパッキングを使用してSMAをアロメトリックデータにフィットさせており、sma()コマンドで計算された95%信頼区間をプロットするのが難しいです。 パッケージドキュメントのサンプルデータを使用して、xyデータとSMA適合のプロットに上下の95%信頼線を追加するにはどうすればよいですか? # Load leaf lifetime dataset: data(leaflife) # Fit S

    1

    1答えて

    私は信頼区間を計算するために、MathWorks社のMATLABでのブートストラップ法を使用しています500のデータ(y=500) のリストを持っています。 私は通常、 bootci(1000,@mean,randsample(y, 50, true)) をbootci機能を使用しています:をここでは50ランダムデータが再サンプリングされ(交換で)1000倍を同じ50個のデータから。 私が望むのは

    1

    2答えて

    私のプロットに二項式の信頼区間を追加する必要があります。 ここに私の手順は次のとおりです。 library(binom) library(plotrix) x <- c(1:6) y <- c(68, 69, 70, 75, 75, 87) CI <- binom.confint(y, 265, conf.level = 0.95, methods = "exact") plot(x,

    0

    1答えて

    私は二項分布に従う観測値を持つ4つの異なるデータフレームを得ており、それぞれについて第2列の平均値(Flow)を計算する必要があります。 。 成功数は、Successとtotal number of trials = 85の欄に報告されています。 信頼区間をどのように計算できますか? Rでどうすればいいですか?ここで 私data.framesの例: df1 <- read.table(text =

    6

    1答えて

    私は、外生変数を持つモデルを訓練するためにstatsmodels.tsa.SARIMAX()を使用しています。モデルが外生変数で訓練されたときにget_prediction()と同等の結果が返されるので、予測された平均結果の配列ではなく予測された平均と信頼区間が返されます。 predict()およびforecast()メソッドは外生変数を取りますが、予測平均値のみを返します。ここPRED SARI