r语言bpinom函数怎么使用

Python039

r语言bpinom函数怎么使用,第1张

r语言中bpinom函数的基本用法为：pbinom(x,size,,prob)，该函数为事件的累积概率，它用于表示概率的单个值。

例如：抛掷硬币100次，正面向上不超过50次的概率，即pbinom(50,100,0.5)。

r语言有四个内置函数来生成二项分布。它们的描述分别如下：

dbinom(x,size,prob)函数，该函数表示每个点的概率密度分布。

pbinom(x,size,prob)函数，该函数为事件的累积概率，它表示概率的单个值。

qbinom(p,size,prob)函数，该函数采用概率值，并给出累积值与概率值匹配的数字。

rbinom(n,size,prob)函数，该函数从给定样本产生给定概率的所需数量的随机值。

其中，x是数字的向量，p是概率向量，n是观察的数量，size是试验的数量，prob是每个试验成功的概率。

曲线拟合：（线性回归方法：lm）

1、x排序

2、求线性回归方程并赋予一个新变量

z=lm(y~x+I(x^2)+...)

3、plot(x,y)#做y对x的散点图

4、lines(x,fitted(z))#添加拟合值对x的散点图并连线

曲线拟合：（nls）

lm是将曲线直线化再做回归，nls是直接拟合曲线。

需要三个条件：曲线方程、数据位置、系数的估计值。

如果曲线方程比较复杂，可以先命名一个自定义函数。

例：

f=function(x1, x2, a, b) {a+x1+x2^b}

result=nls(x$y~f(x$x1, x$x2, a, b), data=x, start=list(a=1, b=2))

#x可以是数据框或列表，但不能是矩阵

#对系数的估计要尽量接近真实值，如果相差太远会报错：“奇异梯度”

summary(result) #结果包含对系数的估计和p值

根据估计的系数直接在散点图上使用lines加曲线即可。

曲线拟合：（局部回归）

lowess(x, y=NULL, f = 2/3, iter = 3)

#可以只包含x，也可使用x、y两个变量

#f为窗宽参数，越大越平滑

#iter为迭代次数，越大计算越慢

loess(y~x, data, span=0.75, degree=2)

#data为包含x、y的数据集；span为窗宽参数

#degree默认为二次回归

#该方法计算1000个数据点约占10M内存

举例：

x=seq(0, 10, 0.1)y=sin(x)+rnorm(101)#x的值必须排序

plot(x,y) #做散点图

lines(lowess(x,y)) #利用lowess做回归曲线

lines(x,predict(loess(y~x))) #利用loess做回归曲线，predict是取回归预测值

z=loess(y~x)lines(x, z$fit) #利用loess做回归曲线的另一种做法