R语言风险价值：ARIMA，GARCH，Delta-normal法滚动估计VaR（Value at Risk）和回测分析股票数据-1
原文链接：http://tecdat.cn/?p=24492 介绍 此分析的目的是构建一个过程，以在给定时变波动性的情况下正确估计风险价值。风险价值被广泛用于衡量金融机构的市场风险。我们的时间序列数据包括 1258 天的股票收益。为了解释每日收益率方差的一小部分，我们使用 Box-Jenkins 方法来拟合自回归综合移动平均 (ARIMA) 模型，并测试带下划线的假设。稍后，当我...
【视频】线性回归中的贝叶斯推断与R语言预测工人工资数据|数据分享-3
【视频】线性回归中的贝叶斯推断与R语言预测工人工资数据|数据分享-2 https://developer.aliyun.com/article/1489384 变量变换 两个图都显示残差是右偏的。因此，IQ（因为它目前存在于数据集中）不应用作贝叶斯预测模型。但是，对 仅具有正值的偏斜_因_变量使用（自然）对数变换 通常可以解决问题。下面，该模型使用转换后的工资变...
【视频】线性回归中的贝叶斯推断与R语言预测工人工资数据|数据分享-2
【视频】线性回归中的贝叶斯推断与R语言预测工人工资数据|数据分享-1 https://developer.aliyun.com/article/1489383 探索数据 与任何新数据集一样，一个好的起点是标准的探索性数据分析。汇总表是简单的第一步。 #...
【视频】线性回归中的贝叶斯推断与R语言预测工人工资数据|数据分享-1
原文链接：http://tecdat.cn/?p=24141 在这个视频中，我们转向简单线性回归中的贝叶斯推断。 我们将使用一个参照先验分布，它提供了频率主义解决方案和贝叶斯答案之间的联系。 然后在R语言中用贝叶斯线性回归、贝叶斯模型平均 (BMA)来预测工人工资数据 （查看文末了解数据获取方式）。 为了说明这些想法，我们将使用一个例子来预测身体脂肪。 获得准确的体脂测...
数据分享|R语言广义线性模型GLM：线性最小二乘、对数变换、泊松、二项式逻辑回归分析冰淇淋销售时间序列数据和模拟-2
数据分享|R语言广义线性模型GLM：线性最小二乘、对数变换、泊松、二项式逻辑回归分析冰淇淋销售时间序列数据和模拟-1 https://developer.aliyun.com/article/1489380 泊松回归 计数数据的经典方法是泊松分布。 泊松分布只有一个参数，这里是 μi，这也是它的期望值。μi 的链接函数是对数，这意味着我必须将指数函数应用...
数据分享|R语言广义线性模型GLM：线性最小二乘、对数变换、泊松、二项式逻辑回归分析冰淇淋销售时间序列数据和模拟-1
原文链接：http://tecdat.cn/?p=26301 线性模型是统计学的基础，但它的意义远不止用尺子在几个点上画一条线。 我认为以分布为中心的观点使 generalised linear models (GLM) 也更容易理解。这就是这篇文章的目的。 我将使用冰淇淋销售统计数据（查看文末了解数据获取方式）来说明不同的模型，从传统的线性最小二乘回归开始，到线性模型、...
【视频】R语言生存分析原理与晚期肺癌患者分析案例|数据分享-4
【视频】R语言生存分析原理与晚期肺癌患者分析案例|数据分享-3 https://developer.aliyun.com/article/1488340 第3部分：竞争风险 什么是竞争风险？ 当对象在事件发生时间设置中发生多个可能的事件时 例子： 复发 因疾病死亡 因其他原因死亡 治疗反应 ...
【视频】R语言生存分析原理与晚期肺癌患者分析案例|数据分享-3
【视频】R语言生存分析原理与晚期肺癌患者分析案例|数据分享-2 https://developer.aliyun.com/article/1488339 中位生存率常常被错误估计 总结165例死亡患者的中位生存时间 ## median_surv #...
【视频】R语言生存分析原理与晚期肺癌患者分析案例|数据分享-2
【视频】R语言生存分析原理与晚期肺癌患者分析案例|数据分享-1 https://developer.aliyun.com/article/1488338 格式化日期-lubridate程序包 我们还可以使用该lubridate包来格式化日期。在这种情况下，请使用ymd功能 ...
【视频】R语言生存分析原理与晚期肺癌患者分析案例|数据分享-1
原文链接：http://tecdat.cn/?p=10278 生存分析（也称为工程中的可靠性分析）的目标是在协变量和事件时间之间建立联系。生存分析的名称源于临床研究，其中预测死亡时间，即生存，通常是主要目标。 生存分析是一种回归问题（人们想要预测一个连续值），但有一个转折点。它与传统回归的不同之处在于，在生存分析中，结果变量既有一个事件，也有一个与之相关的时间值，部分训...
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。