多个ts的auto.arima残差
是指在时间序列分析中，使用auto.arima模型对多个时间序列数据进行拟合后，得到的残差。
auto.arima是一种自动选择ARIMA模型的算法，它可以根据时间序列数据的特征自动选择最优的ARIMA模型。ARIMA模型是一种常用的时间序列模型，可以用来预测未来的数据趋势。
多个ts的auto.arima残差可以用于分析时间序列数据的预测误差，通过观察残差的分布和模式，可以评估模型的拟合效果和预测准确性。如果残差呈现随机分布，说明模型对数据的拟合效果较好；如果残差呈现明显的模式或者偏离随机分布，说明模型可能存在问题，需要进一步优化。
对于多个ts的auto.arima残差，可以使用各类编程语言进行计算和分析。在云计算领域，可以利用云原生技术将计算任务部署在云服务器上，提高计算效率和可扩展性。
在腾讯云的产品中，可以使用云服务器（https://cloud.tencent.com/product/cvm）进行计算任务的部署和运行。云服务器提供了丰富的计算资源和强大的网络性能，可以满足多个ts的auto.arima残差计算的需求。
总结：多个ts的auto.arima残差是指在时间序列分析中，使用auto.arima模型对多个时间序列数据进行拟合后得到的残差。可以通过观察残差的分布和模式来评估模型的拟合效果和预测准确性。在云计算领域，可以利用云原生技术和腾讯云的云服务器进行计算任务的部署和运行。
相关·内容
1回答
我正在尝试完成一些储层数据的时间序列分析，并使用带有傅立叶分量的auto.arima来说明季节性，如此处所述https://otexts.com/fpp2/dhr.html#dhr我使用的代码如下所示，我使用的数据集可以在https://www.dropbox.com/sh/563nu3daeid0agb/AAB6NSddVUKgBCCbQtuqXPsZa?dl=0中找到 Reservoir = read.csv("Reservoir1.csv",TRUE,",")
#impute missing data from data set
Reservoir =
浏览 34提问于2020-08-17得票数 0
我在R中的预测包中使用了auto.arima()函数，我执行了一个Box转换(lambda = 0.02492832，如果您有兴趣的话)。我的数据约为10^9，经过两次差分后，方差不断增大，所以我认为B是合适的。奇怪的是，残差约为10^-2。不确定我是否发现了一个水晶球，或者在auto.arima()中使用B变换计算残差时是否遗漏了什么。残差也是转化的吗？
浏览 0提问于2014-07-03得票数 2
回答已采纳
1回答
我使用的是R的auto.arima函数，但似乎它不会一直产生高斯误差。我找不到任何文档说明它会引导预测错误(如果错误不是高斯的)，或者如果错误不是高斯的，它会做什么？
浏览 1提问于2018-10-23得票数 0
回答已采纳
1回答
R预测软件包中的动态回归
、、、
我有两个变量的时间序列，代表两种货币: SYP (叙利亚镑)和LBP (黎巴嫩镑)。这些数据代表了前六个月两种货币的每日价值。以前，我使用SYP作为因变量，LBP作为自变量运行一个标准回归模型。这是结果：
SYPts <- ts(SYP_LBP)
modelSYPLBP <- tslm(SYP ~ LBP, data = SYPts)
summary(modelSYPLBP)
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -835.77100 228.9
浏览 2提问于2021-03-09得票数 0
1回答
我正在使用auto.arima函数在包forecast中拟合一个模型。例如，我得到了一个AR(1)模型。然后，我从这个模型中提取残差。这如何生成与原始向量相同的残差数？如果这是一个AR(1)模型，那么残差的数量应该比原始时间序列的维数少1。我遗漏了什么？
示例：
require(forecast)
arprocess = as.numeric(arima.sim(model = list(ar=.5), n=100))
#auto.arima(arprocess, d=0, D=0, ic="bic", stationary=T)
# Series: arprocess
#
浏览 4提问于2013-09-06得票数 3
回答已采纳
下面是初始数据的图(在执行日志转换之后)。
很明显，既有线性趋势，也有季节性趋势。我可以通过第一次和第十二次(季节性)差异来解决这两个问题:diff(数据)，12)。这样做之后，下面是生成数据的图
。
这个数据看起来不太好。当平均值不变时，随着时间的推移，我们看到了漏斗效应。以下是ACF/PACF：
。
任何可能的建议都可以尝试。我使用了auto.arima()函数，它提出了ARIMA(2,0,2)xARIMA(1,0,2)(12)模型。然而，当我从适当的位置取下残差时，很明显它们仍然有某种结构。下面是fit和ACF/PACF的残差图。
在剩余的ACF/PACF中，似
浏览 4提问于2017-04-25得票数 4
回答已采纳
1回答
我感兴趣的是从R中任何ARIMA模型中得到AR(p)部分的值。
例如，假设我估计以下ARIMA模型
我有兴趣将这些值定义为：
我要做的是：
ar_model <- auto.arima(mydata) # fit an ARIMA model as decided by the auto.arima
fitted_ar_model <- fitted(ar_model)
resid_ar_model <- residuals(ar_model)
ar_p <- fitted_ar_model - resid_ar_model
代码的问
浏览 0提问于2020-02-12得票数 0
回答已采纳
我已经读过了
时间序列预测:将差异预测转换为差前水平
和
如何“消除”时间序列变量
不幸的是，所有这些都没有给出任何明确的答案--如何用差分方法(diff())来转换ARIMA中的预测，以达到平稳序列。
代码样本。
## read data and start from 1 jan 2014
dat<-read.csv("rev forecast 2014-23 dec 2015.csv")
val.ts <- ts(dat$Actual,start=c(2014,1,1),freq=365)
##Check how we can get stationary s
浏览 3提问于2015-12-29得票数 2
回答已采纳
为了执行时间序列分析，我生成了自己的虚拟销售数据。
它被认为是一家成长中的公司，因此我顺应了一种趋势。然而，我阅读了一些教程，并经常阅读这些信息，即非平稳时间序列不应由auto.arima函数预测。
但我收到的结果是有意义的，如果我要区别数据(我也这么做了)，输出就没有多大意义。
所以我的问题来了：我可以在我的数据中使用函数吗?显然有一个趋势？
先向你问好，谢谢你，弗朗西斯科
eps <- rnorm(100, 30, 20)
trend <- seq(1, 100, 1)
trend <- 3 * trend
Sales <- trend + eps
timefram
浏览 1提问于2016-12-18得票数 4
我有从谷歌趋势中提取的每周数据值，我想在R中应用时间序列来预测未来的值。我尝试过使用auto.arima()，但对于所有未来预测，结果似乎只有一个常量值，如果我在arima(c(p，d，q))中手动给出随机参数，我会得到各种类型的结果。那么如何为我的数据确定合适的值。
data2<-ts(data$Volume)
[1] 64 74 64 68 100 87 79 72 66 74 58 68 65 71 71 71 63 65 62 58 58
[22] 58 58 60 56 51 56 52 58 59 58 60 66
浏览 19提问于2017-01-09得票数 0
1回答
我正在尝试使用TSLM来创建一个模型，在我们使用TSLM之前，这两个时间序列都需要是平稳的，也就是说，你需要做差分来固定TS吗？根据Rob Hyndman的说法，TSLM应该注意到这一点，对吗？
浏览 54提问于2019-08-28得票数 1
回答已采纳
1回答
我有2000年到2020年的年度时间序列数据。这个品牌在2010年推出了新的营销露营，我想调查一下这一政策的影响，这就是为什么我试图探索这一趋势。如果是月度数据，我会将其分解为季节性和趋势成分，但我只有年度数据，这是一个问题。
library(forecast)
year <- c("2000", "2001", "2002", "2003", "2004",
"2005", "2006", "2007", "2008", "2009
浏览 2提问于2022-07-22得票数 0
我是新的生存统计和这些论坛，所以请原谅我不知道行话或适当的调查方式。WIll给我最好的机会。
我的目标是做一些考克斯回归，并想做一些基本的诊断，它的适用性。我有大约13个协变量，当我执行get诊断时，我可以得到一个偏差残差图。然而，这个阴谋代表了整个考克斯模型，我发现它是扭曲的。因此，我希望对Cox模型中的每一个协变量进行相同的分析，以查看哪些协变量是突出的，哪些是可能需要转换的(log、三次样条、多项式等)。
我只是不知道该怎么做。我应该使用什么代码？
图书馆(“冲浪者”)
res.cox = coxph(Surv(TimeAxis，new_totmort) ~ pwvX_AUS + MA
浏览 0提问于2019-01-11得票数 0
1回答
我是R和统计的新手。
我有一个包含277家公司股票回报的矩阵，这个矩阵包含370行。由于这些公司的年龄不同，专栏中的观察量也有差异。我还有一个包含Fama法国因子的矩阵和一个包含虚拟变量的向量。我已经成功地创建了一个循环来获取回归系数，但是我需要检索一个包含回归残差的矩阵，或者一个残差矩阵，以便我能够执行GRS测试。
我到目前为止使用的代码是：
reg <- data.frame(matrix(nrow=370, ncol=277))
for (i in c(1:277)) {
reg[,i] <- dynlm(returns.ts[,i] ~ 1 + Mkt.Rf + SMB +
浏览 3提问于2016-04-12得票数 1
回答已采纳
1回答
我在R中有一个zoo时间序列：
d <- structure(c(50912, 50912, 50912, 50912, 50913, 50913, 50914,
50914, 50914, 50915, 50915, 50915, 50916, 50916, 50916, 50917,
50917, 50917, 50918, 50918, 2293.8, 2302.64, 2310.5, 2324.02,
2312.25, 2323.93, 2323.83, 2338.67, 2323.1, 2320.77, 2329.73,
2319.63, 2330.86, 2323.3
浏览 1提问于2012-09-27得票数 14
回答已采纳
1回答
我对时间序列很陌生，用Rob的的每月臭氧浓度数据来做一些预测。
在做了日志变换和延迟1和12的差，以消除趋势和季节性，我绘制了ACF和PACF显示在这张图像。我是否在正确的轨道上，我如何解释这是一个SARIMA？
在PACF图中，似乎每11个延迟就有一个模式，这使我认为我应该做更多的差异(在11个延迟时)，但是这样做会给我一个更糟糕的结果。我真的很感谢你的帮助！
编辑:我去掉了时差1，只使用了时差12，是我为ACF和PACF得到的。
由此推断: SARIMA(1,0,1)x(1,1,1) (AIC: 520.098)或SARIMA(1,0,1)x(2,1,1) (AIC: 521.250)是一
浏览 0提问于2017-07-26得票数 2
回答已采纳
1回答
如何在Python中为所有303个观测值生成残差：
from statsmodels.stats.outliers_influence import OLSInfluence
OLSInfluence(resid)
或
res.resid()
我正在尝试生成类似于我们在R中生成的残差，使用：
res$resid
浏览 45提问于2021-03-05得票数 0
回答已采纳
1回答
当将列传递给seaborn.residplot时，是否可以传递多个IV变量(在多元回归分析的情况下)？
我尝试了一些常规的方法'IV1'，'IV2‘等等。但它们似乎不起作用。
浏览 1提问于2018-03-24得票数 1
回答已采纳
1回答
我有一个ts图，里面有两条黄土线(跨度不同)。
现在我需要挑选一条黄土线，并平滑残差。在这个具体的上下平滑。它最终应该看起来像这样：
我的第一个想法真的很愚蠢。我只需要更改span值，但这当然是完全错误的。
我在谷歌上找不到对我有帮助的东西。我的意思是我发现了上限和下限的平滑，但只是计算。有没有一个R命令可以很容易地画出这些平滑线？
我制作了一个小的表，使它更容易运行(不是最好的，但它是有效的)：
table <- structure(list(
Months = c("1980-06", "1980-07", "1980-08
浏览 1提问于2018-05-24得票数 1
使用mice包，我们如何检查合并分析的残差平方和？
library(mice)
imp <- mice(nhanes, seed = 24500)
fit <- with(imp, lm(chl ~ age + bmi))
pool(fit)
summary(pool(fit))
fit包含对每个输入数据集的分析，并对汇集的结果进行pool(fit)。是否有一个命令可以检查标准lm对象的残差平方和，比如residuals(pool(fit))
浏览 1提问于2016-12-14得票数 0
编辑:到目前为止，我已经发现这个问题--如果是的话--与我的模型选择了规模t分布的事实有关。运行高斯分布的模型并不会导致同样的问题。
然而，我想知道为什么会发生这种情况。对于使用不同发行版的模型来说，fitted + residuals != dependent variable是否正常？
用mgcv's gam()拟合了一个包含随机因子光滑的非线性模型。
以下是原来的问题：
######################################################################
我用fitted(model)提取拟合值，用resid(model)提
浏览 1提问于2021-01-16得票数 0
回答已采纳
因此，在这里，我有一个可重复的例子，说明为什么会出现这个错误：
data = c(48,148,284,72,48,24,48,24,48,24,24,0,96,24,48,96,72,24,96,24,48)
time = ts(data, start=c(2015,2), end=c(2016,10), frequency=12)
我正试图将这个时间序列构造成Arima模型，auto.arima推荐我将Arima(0,0,0)作为白噪声的时间序列数据，但是在成功创建模型之后，当我试图提取模型的拟合值时，误差就开始了。
model = arima(time,order=c(0,0,0))
浏览 4提问于2017-12-03得票数 1
回答已采纳
我觉得这里有些奇怪的地方。例如，下面的代码为残差和新息提供了相同的值： fit <- us_change %>%
model(ARIMA(Consumption ~ Income)) %>%
augment() augment()函数似乎只提取新息值，并将其用于回归的残差。当我们使用residuals()提取残差和新息时，可以看到这一点 bind_rows(
`Regression Errors` = as_tibble(residuals(fit, type = "regression")),
`ARIMA Errors` =
浏览 37提问于2021-01-28得票数 0
回答已采纳
1回答
我试图使用预测包中的nnetar函数构建一个预测。与其他方法相比，我得到了一些相当好的预测，但我很难产生非常窄的预测间隔。
我试图预测的数据集是来自电子商务的每周收入数据，其转换率和支出作为解释性x变量(Xreg)。
我的预测是这样的：
这是我用来生成它的代码：
fit_test <- nnetar(total_revenue_ts, size = 5, repeats = 200, xreg = xreg)
fit_test_fc <- forecast(fit_test, PI=TRUE , xreg = xreg_test, h=26)
autoplot(fit_test_
浏览 0提问于2018-04-30得票数 0
回答已采纳
如果有人能帮我解决这个问题，我会很高兴的。我有重复测量设计的数据，在那里我们测试了鸟类(time.dep)感染前后的反应(exper)。我们也有FL (燃料负荷，瘦身质量的百分比)，脂肪评分和组(实验和对照)作为解释变量。我决定使用LME，因为残差的分布并没有偏离常态。但是，残差的同质性存在一个问题。“前”组和“后”组之间以及脂肪水平之间的差异有显着性(Fligner检验、p=0.038和p=0.01 )。
ring group fat time.dep FL exper
1 XZ13125 E 4 0.36 16.295 before
2 XZ13125
浏览 1提问于2014-06-08得票数 4
回答已采纳
2回答
我可以用这种方式分解时间序列数据-
from statsmodels.tsa.seasonal import seasonal_decompose
decomposition = seasonal_decompose(ts)
trend = decomposition.trend
seasonal = decomposition.seasonal
residual = decomposition.resid
我的问题是如何将这些残值转换为原始价值。这样我就可以用它们来预测未来的价值。
浏览 0提问于2017-01-06得票数 1
我有一个名为"mydata“的时间序列对象(ts / mts)。(日期从1980年到2014年)
class(mydata) [1] "mts" "ts" "matrix"
colnames(mydata) [1] "inflation" "unemployment"
equation1 = lm(inflation ~ unemployment + lag(unemployment, 1), data = mydata)
两个问题: 1.我是否正确地指定了lag()？我
浏览 1提问于2017-02-26得票数 1
解Ax = b。真正的双倍。A是用M >> 2过度确定的Mx2，b是Mx1。我已经针对mldivide运行了大量数据，结果非常好。我用MKL LAPACKE_dgels编写了一个mex例程，它远远不如MKL好。结果有大量的噪音和潜在的信号几乎没有。我首先根据MKL示例结果检查了这个例程。我已经搜索了mldivide文档(流程图)和这样的问题。我所发现的是Matlab对过定矩形采用了QR分解。
接下来我该试试什么呢？我是不是用错了LAPACK程序？请帮助引导我朝正确的方向走。
更新：到E-15浮点差分内的解向量，Intel MKL LAPACKE_dgels对于实际双超定(矩形)问题
浏览 2提问于2019-09-30得票数 3
回答已采纳
1回答
我玩线性回归在蓝色机器学习和评价一个模型。
我仍然有点不确定评估的各种指标意味着什么和显示什么，所以如果我不正确的话，我会感激一些纠正。
平均绝对误差:残差(误差)的均值。
均方误差:残差的标准差。有了这个，我可以看到我的绝对误差离平均值/中位数有多远。
相对绝对误差：一个百分比值，显示相对误差和绝对误差之间的百分比差异。值越低越好，说明差异越小。
相对平方误差:相对于绝对值平方的平方。不知道这会给我带来什么相对绝对误差。
确定系数：表示输入之间的相关性。+1或-1表示完全相关，0表示无相关性。
直方图显示的是各种错误程度桶的频率。这显示出许多小错误。随着频率的降低，误
浏览 3提问于2017-04-07得票数 0
回答已采纳
我正在尝试在Tableau中集成R的时间序列模型，并且我还是个新手。请帮助我解决下面提到的错误。下面是我在tableau中与R集成的代码。计算是有效的，但得到一个错误。
SCRIPT_REAL(
"library(forecast);
cln_count_ts <- ts(.arg1,frequency = 7);
arima.fit <- auto.arima(log10(cln_count_ts));
forecast_ts <- forecast(arima.fit, h =10);",
SUM([Count]))
错误:在
浏览 3提问于2018-10-01得票数 2
1回答
我遇到了一些我认为是关键的东西，将来在R中拟合和分析GLM时会对人们有用。我的数据集中的响应是频率数据的一个变量，它包含1762个观测值。我已经用命令nb1安装了一个负二项式模型(名为glm.nb )，并且我希望估计模型对数据的预测效果。
首先，当应用命令residuals.glm (如果我应用命令residuals的结果相同)时，我得到
head(residuals.glm(nb1))
1 2 3 4 5 6
-1.1630170 2.9662854 2.0234981 0.11048
浏览 6提问于2017-05-23得票数 1
回答已采纳
为什么我们使用平方残差而不是OLS估计中的绝对残差。
我的想法是，我们使用误差值的平方，这样，在拟合线以下的残差(然后是负的)，仍然可以加到正的误差上。否则，我们可能有一个0的错误，仅仅因为一个巨大的正错误可以取消一个巨大的负错误。
那么，为什么我们要把它整平，而不是只取绝对值呢？因为对较高的误差额外惩罚了(而不是2倍于1的误差，而是1的4倍)。
浏览 6提问于2019-11-12得票数 0
回答已采纳
1回答
我有一个数据集，其中观察来自高度不同的群体。每个组可能有一个大不相同的分布，所以我尝试使用fitdistrplus中的fitdist找到最佳分布，然后使用gamlss包中的gamlssML找到最佳参数。
我的问题是在这一步之后转换数据。对于某些分布，如Box-Cox t，我可以找到使用BCT系数对数据进行规范化的方程，但对于许多这些分布，我却找不到。
gamlss是否有一个在拟合后对数据进行规范化的功能？它们的文档只为少数发行版提供转换。
非常感谢
浏览 15提问于2022-09-15得票数 0
回答已采纳
1回答
我想确定估计的模型是否适合未来的新数据。为此，经常使用预测误差图。基本上，我想比较测量的输出和模型的输出。我采用最小均方算法作为均衡技术。有人能帮我画出模型和实测数据之间的对比的正确方法吗？如果估计是接近真实的，那么曲线应该非常接近彼此。下面是密码。u是均衡器的输入，x是有噪声的接收信号，y是均衡器的输出，w是均衡器的权重。应该使用x和y*w绘制图形吗？但是x很吵。我很困惑，因为测量输出x是有噪声的，而模型输出y*w是无噪声的。
%% Channel and noise level
h = [0.9 0.3 -0.1]; % Channel
SNRr = 10; %
浏览 4提问于2017-09-22得票数 1
回答已采纳
我有一个带有丢失数据的数据帧，我将其归因于mice。
我不能完全理解我得到的输出。SSQ =平方和。但是平方和是多少呢？剩余平方和？或者总平方和-残差平方和？我假设是后者，但不确定。
df1是有意义的-它是每个变量中的组数-1。df2，我不明白。我有473个变量，在老鼠身上有20个推算。但即使是473x20也不等于下面第一列中的500万！
另外，eta2是指单向anova的结果，而partial-eta2是指我的多向anova的结果吗？
底部残差是什么？
非常感谢您的所有建议！！
imput <- mice(bdd, seed=1, pred = pred1, meth = me
浏览 0提问于2017-09-18得票数 1
我认为这就像是最大流问题的无向图版本。
所以对于每个边a->b，b->a也是有效的。它是双向的。它们共享相同的容量。这意味着如果我在两个顶点a，b之间有容量10，并且我有一个从a到b的流，成本为5，那么从a到b的剩余容量将是5，以及从b到a的剩余容量。
我的解决方案是让一条有向边从b到a，另一条从a到b。问题是，如果我在残差图中减少a->b的残差，我还会增加后向边b->a的残差吗？
浏览 5提问于2014-11-01得票数 1
在我的统计课程中，我学会了根据标准化预测值绘制标准化残差，如果这些值适合于大致矩形的形状，则应该存在同方差。然而，我发现在这种情况下很难判断。在我看来，它看起来既不是明显的同方差，也不是异方差。有人能帮上忙吗？ ?
浏览 35提问于2019-03-12得票数 1
回答已采纳
当我使用R运行lm()回归时，我从summary()得到了“残差标准误差”。为什么只有一个残差标准误差值，而不是每个观测值的残差标准误差列表？
summary()中显示的此值的含义是什么？摘要()中显示的“残差标准误差”是每个观察值的残差标准误差列表的平均值吗？谢谢。
Residual standard error: 0.8498 on 44848 degrees of freedom
(7940 observations deleted due to missingness)
Multiple R-squared: 0.4377, Adjusted R-squared: 0.4
浏览 2提问于2019-07-31得票数 2
2回答
因为我想的是residual=(实际预测)。让我们用线性回归实际函数：
y= mx+c+error，我们在预测中得到的函数是y=mx+c
最小化RSS。那么残差只不过是错误，那么为什么这两个术语被描述为不同。
如果我错了，请纠正我。
浏览 0提问于2019-06-25得票数 1
回答已采纳
我在运行一个线性混合效应模型，有一个相互作用项。
library(lme4)
library(effects)
data<-mtcars
model<-lme4::lmer(mpg~cyl + hp*gear+ disp + (1|carb), REML=T, data=data)
# The partial residuals appear on the default effect() plot
plot(effect("hp:gear",partial.residuals=TRUE, model))
# But partial residual value
浏览 5提问于2020-01-11得票数 0
回答已采纳
我可能在这里找不到答案，因为我不认为revoScaleR包被广泛使用。
如果我使用rxGlm()创建一个GLM，它可以很好地工作。然而，通过rxPredict()获得的模型残差似乎只是“原始”残差(即观测值减去拟合值)。各种转换版本(偏差残差、皮尔逊残差等)好像没时间。
有人知道是否有办法做到这一点吗？我可以使用glm() (具有相同的公式、数据、错误结构、链接函数、权重)和使用residuals(glm_object, type = "deviance")再次运行模型的偏差残差(例如)，但这是一个麻烦，因为glm()运行得非常慢(大型数据集，许多模型参数)。
谢谢。
编辑:包
浏览 2提问于2020-04-06得票数 5
回答已采纳
我正在使用statsmodels.tsa.vector_ar.svar_model.SVAR函数。我不确定残差(代码中的“resid”)的计算是否正确，因为它似乎没有考虑同期的项。
浏览 17提问于2019-12-24得票数 0
为了在我的代码中有一个更通用的表示法，我想把我最初的时间序列表示为一个移动平均值。出乎意料的是，使用熊猫pd.rolling_mean函数，两者并不完全相同：
import pandas as pd
import numpy as np
np.random.seed(1)
ts = pd.Series(np.random.rand(1000))
mavg = pd.rolling_mean(ts, 1)
(ts - mavg).describe()
Out[120]:
count 1.000000e+03
mean 6.284973e-16
std 3.877
浏览 1提问于2016-03-24得票数 1
回答已采纳
在TraMineR包中，seqecmpgroup函数的输出是一个表，例如：
Subsequence Support p.value statistic index Freq.Low Freq.Medium Freq.High Resid.Low Resid.Medium Resid.High
1 A-B 0.2685714 0.0000213 21.516234 456 0.1619048 0.2714286 0.3619048 -2.9826924 0.17258979 2.60985584
2 A-C-D 0.271428
浏览 2提问于2018-03-24得票数 1
我知道在scipy.optimize中有一个最小二乘的例子，但是我在残差函数上遇到了超过三天的麻烦。我决定充分描述这个问题。我在网站上发现了其他一些类似的问题，但在我的例子中，我无法真正解决它的编程问题和困惑。无法正确地创建适合scipy.optimize.leastsq、、残差的残差函数。我真是笨手笨脚的。
这个问题正是A*x=b问题。让我简短地解释一下：
输入：
Y-例如: y1 =点(delta_1，数组(x2，x5，x6))
x2，x4，x5，x6，x7，x10，x13，x16
三角长度。
步骤：
函数 f(x_m，delta_n_m)，n行，m- cols.
浏览 0提问于2013-10-16得票数 0
我正在尝试执行一个MCMCglmm
df=data.frame(y=rep(c(0:2),each=12),x=rnorm(3*12))
MCMCglmm(data=df,fixed=y~x, family="categorical")
我得到了错误信息
For error structures involving catgeorical data with more than 2 categories pleasue use trait:units or variance.function(trait):units.
我快速浏览了一下，但是没有找到太多关于这个符号及其含义的规
浏览 2提问于2016-10-23得票数 0
2回答
我正在使用R中的timeseries数据集，我必须提出几个模型，其中一个必须来自于使用armasubsets (我知道有auto.arima()等函数，但我仍然必须利用这个图)。您如何解释R中的arma子集图？
我特别想到了下面的第五行，因为它的BIC值只高出10，虽然我们想要最小化BIC，但我认为这种微小的差异是合理的，因为倒数第五行比这个图指定的其他潜在模型要简单得多。因此，如何解释具有滞后5、11和12的AR分量以及滞后1的MA分量的东西。
这种解释是如何改变的，如图所示：
我也在考虑第五排的BIC值为-220。
浏览 33提问于2017-04-22得票数 0
我对残差图的基本理解是它的(标准化)残差与拟合(预测)值。但通过谷歌搜索，我找到了几个提到残差与独立值的网站。
这是一个描述我的初步理解的网站。
什么是统计上正确的方法？
浏览 10提问于2015-11-17得票数 0
您能告诉我 glm $residuals和resid(glm)返回的是什么吗，其中glm是一个拟泊松对象。例如，如何使用glm$y和glm$linear.predictors创建它们。
glm$残留物
n missing unique Mean .05 .10 .25 .50 .75 .90 .95
37715 10042 2174 -0.2574 -2.7538 -2.2661 -1.4480 -0.4381 0.7542 1.9845 2.7749
lowest : -4.243 -3.552 -3.
浏览 2提问于2010-03-28得票数 13
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
腾讯会议活动推荐
腾讯云开发者
