- 博客(20)
- 收藏
- 关注
RSS订阅原创 元胞自动机
I = 感染；% 用1, 2, 3, 4分别表示 S, E, I, R. 无人区用 0 表示。labels = {'无人','易感','潜伏','发病','移除'};legend('易感','潜伏','发病','移除');
2024-08-10 13:23:23
124
原创 R语言#灰色预测模型
cat("GM(1,1)参数估计值：",'\n',"发展系数a=",a," ","灰色作用量u=",u,'\n','\n') #利用最小二乘法求得参数估计值a,u。legend("bottomright",c('预测值','原始值'),cex=0.8,pch=c(16,18),col=c('blue','red'))cat("相对精度=",(1-(sum(q)/(length(q)-1)))* 100,"%",'\n','\n')exp(2/(8+1))#级比区间(0.80,1.25)
2024-08-10 13:15:12
225
原创 R语言#SI和SIS模型
param <- param.dcm(inf.prob = 0.2,act.rate = 0.25)#疫情参数通过PARAM传递到模型中，并根据需要添加其他参数。control <- control.dcm(type ="SI", nsteps = 500)#通过控件传递到模型中的控件设置，并根据需要添加其他控件。#inf.prob：易感人群和在感染者之间的每次传播行为的感染概率。#rec.rate免疫的平均恢复率(在SIR模型中)或再易感性(在SIS模型中)。#s.num 初始易感染数。
2024-08-09 22:34:54
62
原创 R语言SIR模型
scale_colour_manual("",values=c("易感人群"="cornflowerblue","感染人群" = "darkred", "康复人群" = "forestgreen") ) +#设置图例颜色。plot.title=element_text(family="myFont",size=20,colour='black',hjust=0.5),#图片标题居中。labs(x="观察时间",y="人数",title="SIR模型 ",caption=" ")+theme2。
2024-08-09 22:33:23
366
原创 R语言SEIR模型
plot.title=element_text(family="myFont",size=20,colour='black',hjust=0.5),#图片标题居中。panel.grid.major=element_blank(), #网格线。labs(x="观察时间",y="人数",title="SEIR模型",caption=" ")+#坐标轴及标题名称设置。labs(x="观察时间",y="人数",title="SEIR模型",caption=" ")+#坐标轴及标题名称设置。
2024-08-09 22:32:12
297
原创 R语言logistic回归分析
#logistic回归分析##########################################################无序多分类logistic回归##################################################二分类logistic回归##################################################logistic回归模型。##logistic回归实例。##有序logistic回归。
2024-08-09 22:30:04
221
原创 R语言-线性回归与非线性回归
corr.test(medv,lstat,use="complete",method="spearman",adjust="none")#呈高度负相关。# 评估模型,均方根差 (root mean square error，缩写 RMSE ),R2。anova(model) #检验直线回归方程在总体中是否成立，p<0.05,方程成立。data("Boston", package = "MASS")# 加载数据。ncvTest(model)#方差齐性判断，P>0.05,则认为方差齐。# 建立模型，确定节点。
2024-08-09 22:29:18
144
原创 R语言-ARIMA模型
Box.test(fit111$residuals, type="Ljung-Box") #残差检验，不显著：残差平稳。ADF<-adf.test(dtrain) #P值小于显著性水平，认为该序列显著平稳。fore<-forecast::forecast(fit111, 10)#预测10期。ndiffs(train) #判断需要几阶差分才能转化为平稳序列。dtrain <- diff(train) #一阶差分。#4.用ARIMA(1,1,1)模型做预测。#自相关图#偏自相关图。
2024-08-09 22:27:23
342
原创 R语言- 数据可视化
ggplot(data=mtcars, aes(x=wt, y=mpg, color=am)) + geom_point() #将变量am映射为颜色。ggplot(data=mtcars, aes(x=wt, y=mpg, shape=am)) + geom_point() #将变量am映射为形状。lines(dose, drugB, type = "b", lty = 2, pch = 17) #添加线。disease <- c("上感", "中风", "外伤", "昏厥", "食物中毒", "其他")
2024-08-09 22:25:06
348
原创 r语言-连续型变量组间差异的比较
t.test(bwt ~ smoke, var.equal=TRUE, conf.level=0.99, data=birthwt) # 调整参数conf.level设置置信度。x2 <- c(0.58, 0.51, 0.50, 0.32, 0.34, 0.52, 0.45, 0.51, 1.00, 0.51) # 罗紫-戈特里法测定结果。mydata<-c(9.95,9.33,9.49,9.00,9.90,9.15,9.52,9.33,9.16,9.37,9.11,9.27) # 构建数据集。
2024-08-09 22:21:49
145
原创 用R语言获取数据
用write.csv()将datasets包里的iris导出为一个.csv文件，然后用函数read.csv()读入该文件,比较读入数据和原始数据的差异。#use.value.labels=TRUE表示让函数将带有值标签的变量导入为R中水平对应相同的因子。#用函数生成均值为168，标准差为10的正态分布的1000个随机数，最后用hist()查看其分布。#rpois()用于生成服从poisson分布的随机数。#用rio包中export()将数据导出为想要的格式。#查看datasets包里的全部内置数据集。
2024-08-09 22:14:52
153
原创 R语言-分类变量的列联表和独立性检验
----------------------------------一维列联表-----------------------------------#--------------------------------多维列联表------------------------------------#--------------------------------独立性检验------------------------------------addmargins(mytable)#生成边际频数(行列汇总)
2024-08-09 22:13:26
350
原创 R语言的数据结构
-------------------------------------因子------------------------------------#--------------------------------数组-----------------------------------------#-----------------------------------列表--------------------------------------工号 = c("001","002","003"),
2024-08-09 21:58:23
296
原创 R语言基本介绍
setwd("C:/Users/16700/Desktop/data")#设置工作目录。save.image("Myfile.Rdata")#将工作空间保存到指定文件。load("Myfile.Rdata")#载入保存的工作空间并继续工作。install.packages("vcd")#安装。update.packages("vcd")#更新。getwd()#查看当前工作目录。ls()#列出当前工作空间中的所有对象。library(vcd)#调用。#5.3常见数字函数。#5.7工作空间管理。
2024-08-09 21:56:59
58
原创 R语言——数值型变量的描述性统计分析
函数summary() #Min、 1st Qu、Median、Mean、3rd Qu、Max，没有sd。####--------数值型变量的描述性统计分析-------------#函数summ() #Min、Max、mean、median、sd。#4、函数describeBy():第一个参数可以是数据集也可以是变量；#1、函数aggregate()：第一个参数可以是数据集也可以是变量，#5、函数group_by()和summarise():可指定统计量。
2024-08-09 21:47:01
281
原创 如何用R语言拆分数据集并作均衡性检验
根据列线图上的分数，将患者分为高风险组和低风险组。首先按照7：3将数据集进行拆分获得训练集与验证集，然后做均衡性检验，比较训练集和验证集的差异性，再做单因素和多因素Cox回归，筛选变量构建列线图预测模型，最后通过校准图、ROC曲线、DCA曲线对模型的校准度、区分度以及临床决策的实际需要进行评价。对训练集与验证集提取group变量，并对两个数据集进行合并生成total数据集，total数据集与原数据集相比多了一列分组变量，分组依据是训练集或验证集，以便于通过total数据集进行两个数据集间的均衡性检验。
2024-08-09 11:58:25
338
原创 如何用R语言整理数据集?
通过以上内容，不知道诸位是否和我一样，R语言对新手小白来说真的太难太难了，相比而言，SPSS软件操作上容易上手，简单易学，大部分功能都是可视化呈现的，操作的话点击鼠标就可以完成。为了简化这个过程，使用 R 语言的 with 函数，我们可以一次性完成对 R语言表达式的操作以及调用该函数的过程，一起看一下吧！提到数据分析，首先会想到的可能是t检验、回归分析等各种具体的分析方法，但对于经历过完整数据分析的同学来说，最复杂、最耗费时间的步骤往往是数据的清理，也就是将数据整理成为能够进行上述统计分析的格式。
2024-08-07 15:18:32
741
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人