分布模型和线性回归——数据分析与R语言 Lecture 3

最新推荐文章于 2023-09-06 15:38:04 发布

CHEN_BR

最新推荐文章于 2023-09-06 15:38:04 发布

阅读量409

点赞数

分类专栏： R

本文链接：https://blog.csdn.net/Theo93/article/details/102250713

版权

R 专栏收录该内容

15 篇文章

订阅专栏

这篇博客探讨了随机试验的定义及其例子，详细介绍了样本空间、随机事件和概率概念。接着，讨论了R语言中处理各种分布的函数，并讲解了数据描述性分析、多元数据特征、协方差和相关系数的计算。文章重点在于相关性和回归分析的应用，通过实例阐述了它们在理解变量间关系中的重要性，并提出了线性模型的检验标准，包括P值和R平方。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

分布模型和线性回归——数据分析与R语言 Lecture 3

随机试验

三个条件
1 可以重复进行
2 不能预知结果
3 知道所有可能的情况

例子
1 投硬币，掷骰子
2 射击命中
3 身高、体重

样本空间

样本空间就是特定随机试验所有可能结果所组成的集合

例子
投硬币
掷骰子
身高体重
成绩

随机事件与必然事件

样本空间的子集称为随机事件
必然事件的例子
对立事件与互斥事件

概率——刻画随机事件出现可能性的指标

在这里插入图片描述

分布

在这里插入图片描述

R语言的各种分布函数

在这里插入图片描述

常见的数据描述性分析

在这里插入图片描述

多元数据的数据特征

在这里插入图片描述

协方差与相关系数计算

在这里插入图片描述

回归分析的例子（重要）

在这里插入图片描述

自定义函数 lxy<-function(x,y){n=length(x);sum(x*y)-sum(x)*sum(y)/n}
假设w=a+bh
则有


> b=lxy(h,w)/lxy(h,h)
> a=mean(w)-b*mean(h)
> a
[1] -140.3644
> b
[1] 1.15906
作回归直线
lines(h,a+b*h)

在这里插入图片描述

线性模型更加简单的方法

在这里插入图片描述

得到模型后进行检验

在这里插入图片描述
**

Pr 为P 值，数值越小，该模型内的参数越合理。
*** 里*越多越合理。
R 为相关系数平方，越接近1 越好。

**
在这里插入图片描述