일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 |
- 히스토그램
- 후한서
- 풍백
- 창평
- 선형회귀분석
- linear regression
- 통계학
- R
- 낙랑군
- ANOVA
- t test
- 유주
- 우분투
- 기자조선
- 단군
- 독사방여기요
- 고구려
- 지리지
- 패수
- Histogram
- 한서
- repeated measures ANOVA
- 태그를 입력해 주세요.
- 한서지리지
- 기자
- 신라
- post hoc test
- categorical variable
- spss
- 통계
- Today
- Total
목록독단론 (438)
獨斷論
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/NQ2xT/btqZ2b2W7D7/AkwVULTs29VNgIQIa3fL9k/img.png)
연속균일분포(continuous uniform distribution)의 함수이용. 균일분포란 일정구간에서 확률값이 같은 확률분포를 말한다. 위 확률분포는 a = 1, b = 3 일때 아래와 같은 균일확률분포를 나타낸다. $f=\begin{cases}\frac{1}{b-a}, & a \leq x \leq b \\ 0, & x \lt a , x \gt b \end{cases}$ dunif( ) 함수는 x가 주어졌을때 probability density function 값을 구하는 것이므로 > x = c(0, 1, 2, 3, 4) > dunif(x, min = 1, max = 3) [1] 0.0 0.5 0.5 0.5 0.0 위 그림과 같은 균일분포함수(a = 1, b = 3)에 대하여 x가 0, 1, 2, ..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/mFmLm/btqZ3fbVJ7B/clqL67BrdfoZbj7RnYzZF1/img.png)
Introduction to Bayesian inference with JAGS 강의 정리 1 channel9.msdn.com/Events/useR-international-R-User-conferences/useR-International-R-User-2017-Conference/Introduction-to-Bayesian-inference-with-JAGS Introduction to Bayesian inference with JAGS Introduction to Bayesian inference with JAGS channel9.msdn.com Mean by Bayesian inference 평균이 3.7이고 표준편차가 1인 데이터(y)가 있다고 가정하고 이 데이터의 평균을 Bayesian infe..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/bc0ltI/btqZPHHs4vI/3HxfJksbRGuydHjSwzi0OK/img.png)
5E1 풀이 (2)와 (4)가 multiple regression이다. (3)은 독립변수가 2개이지만 regression parameter $\beta$가 1개이므로 multiple regression이 아니다. 5E2 풀이 $y_i$: Animal disversity $L_i$: Latitude $D_i$: Plant diversity Regression model: $y_i \sim Normal(\mu_i, \sigma) $ $\mu_i = \alpha + \beta_L\, L_i + \beta_D\, D_i $ 5E3 풀이 $y_i$: time to PhD degree $F_i$: amount of funding $L_i$: lab size 1) Neither amount of funding nor..
변수가 많은 data.frame으로부터 몇개만 선택하여 데이터프레임data.frame을 만들어보자. 선택하고자 하는 데이터를 dat라고 가정하고 rm(list = ls()) x = rnorm(10, 0, 1) y = runif(10, 0, 1) z = rpois(10, 1) p = rbinom(10, 15, 0.1) q = rexp(10, 1) dat = data.frame(x, y, z, p, q) 라고 인위적으로 데이터를 만든다. 이제 dat로부터 x, z, q만을 선택하여 mydat라는 data.frame을 만들고자 한다면 아래와 같이 수행하면 된다. mydat = data.frame(matrix(ncol=3, nrow=dim(dat)[1])) colnames(mydat) = c("X", "Z", ..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/rZ8Ei/btqZn11OgoG/n2KVHaWut33M9ykz8rHVyK/img.png)
정규분포의 probability denstiy function을 $f$라 할때 이를 그래프로 그리면 아래와 같다. dnorm은 x가 주어졌을때 f의 값을 구하는 것이다. pnorm은 cumulative distribution function의 값이다. qnorm은 pnorm의 역함수로 확률값이 주어졌을때 x값을 구하는 것이다. rnorm은 정규분포를 따르는 난수값을 생성한다. 대략의 문법은 아래와 같다. dnorm(x, mean = 0, sd = 1) pnorm(q, mean = 0, sd = 1) qnorm(p, mean = 0, sd = 1) rnorm(n, mean = 0, sd = 1) 평균이 0이고 표준편차가 1이라 주어진 위 그림을 생각해보면 x가 0일때 probability density f..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/c1uMRq/btqZlO68i8n/zE7sJK78nyqI6qXth9kk01/img.png)
4M1 풀이 rm(list = ls()) library(rethinking) # 4M1 N = 1e4 mu = rnorm(N, 0, 10) sigma = rexp(N, 1) y = rnorm(N, mu, sigma) dens(y) 4M2 풀이 # 4M2 flist = alist( y ~ dnorm(mu, sigma), mu ~ dnorm(0, 10) sigma ~ dexp(1) ) 4M3 풀이 4M4~6 풀이 생략 4M7 풀이 # 4M7 rm(list = ls()) library(rethinking) data(Howell1) d = Howell1 d2 = Howell1[d$age >= 18,] xbar = mean(d2$weight) flist = alist( height ~ dnorm(mu, sigma..
3E1~3E3 풀이 문제에서 p는 "proportion of water"이다. p_grid = seq(from=0, to=1, length.out=1000) prior = rep(1, 1000) likelihood = dbinom(x=6, size=9, prob=p_grid) posterior = likelihood * prior posterior = posterior / sum(posterior) set.seed(100) samples = sample(p_grid, prob=posterior, replace=TRUE, size=10000) # 3E1 mean(samples 0.8) #0.1116 # 3E3 mean(samples>0.2 &..