问题标签 [multivariate-testing]

我有一组 7 个具有高相关性的参数，我需要能够提取随机生成的集合。但是，我的变量并不都遵循多元正态分布。我在下面绘制了参数的分布，您可以看到最后两个参数似乎分别遵循指数分布和均匀分布。如何生成随机集？

当我向函数添加外生变量时，单变量 ARIMA 模型是否会变成多变量？我在 r 中使用函数 xreg 做到了这一点。

例如：fitwithtwoexfactors = arima(futoilrtn,order=c(0,0,1), xreg=exogenous)

外生是一个有两列的数据框。

我正在尝试开发一些代码来发现使用辅助数据源来提高最终产品的可预测性的意义。我在 matlab 中准备好数据，这是我首选的分析程序。

我正在尝试解决以下等式。

P(t,i) = a(i) + b(i)*Z(t,i) + c(i)*Y(t,i) + d(i)*X(t,i) + e( i)*W(i)

其中，P、Z、Y、X、W 是已知的，t 和 i 是索引，我希望找到 a、b、c、d 和 e 的值，以最小化 P 的现有值与预测值之间的差异P。

t = 1:20 和 i ~ 1:250000

最终，我会将 e(i) 的值设置为零，然后在使用随机数流进行测试之前，看看我通过添加额外变量获得了多少改进。

如果需要更多详细信息，我会尽力提供，非常感谢。

我尝试了下面建议的方法，但是因为我的 Z、Y 和 X 值是矩阵，所以输出矩阵 sol 是 t 的宽度的 3 倍 + e 的一个元素。我进一步阅读并认为该方法应该是广义线性模型或面板回归模型之一，但我不确定如何设置。我已经重读了几次 mathworks 中的示例，但仍然感到困惑。

我想使用多个预测变量来预测多个因变量。如果我理解正确，原则上可以制作一堆线性回归模型，每个模型都预测一个因变量，但如果因变量是相关的，则使用多元回归更有意义。我想做后者，但我不确定如何做。

到目前为止，我还没有找到专门支持这个的 Python 包。我尝试过 scikit-learn，尽管他们的线性回归模型示例仅显示 y 是一个数组（每个观察一个因变量）的情况，但它似乎能够处理多个 y。但是，当我将这种“多变量”方法的输出与通过手动循环每个因变量并相互独立地预测它们得到的结果进行比较时，结果是完全相同的。我不认为应该是这种情况，因为一些因变量之间存在很强的相关性（>0.5）。

代码看起来像这样，带有y矩阵n x 1或n x m矩阵，以及x各种newx大小的矩阵（中的行数x == n）。

这个函数真的执行多元回归吗？

在这个例子中（从这里），使用了遥感数据。在该数据集中，观察结果分为五种作物：三叶草、玉米、棉花、大豆和甜菜。称为 x1 到 x4 的四个度量构成了描述性变量。

用所有 X 变量调整判别函数：

有了这个情节

如何提取作物的线性判别函数（sas 输出表）

我有一些来自毒性试验的数据。我的响应变量是Plutei，它是收集的正常形状幼虫（6 个重复）的数量：

• 来自 2 个不同的物种
• 在一年中的 5 个不同时间
• 在 3 个不同的站点。

我用以下方法处理过这种幼虫：

• 3种不同的金属
• 每一种都有 6 种不同的浓度（分析毒性）。

我想评估我测量的响应中每个因素（及其相互作用）的重要性Plutei，并且我想用包中的adonis函数来做vegan，版本 2.2-1。

我创建了一个这样的数据框：

这是str(mydata)：

当我尝试运行该adonis功能时，

我收到这条消息：

我究竟做错了什么？

我正在阅读有关非参数核密度估计的信息。 http://en.wikipedia.org/wiki/Kernel_density_estimation

对于 D = 1 的单变量，我们可以这样写

对于多变量核密度估计 (KDE)，对于 d=3 和 X = (x,y,z) 更珍贵的是，我们可以这样写：

这在技术上正确吗？有人能帮忙吗？

我想在 R 中模拟一个多元正态分布。我已经看到我需要 mu 和 sigma 的值。不幸的是，我不知道如何获得它们。

在以下链接中，您将在 csv 文件“Input.csv”中找到我的数据。谢谢 https://www.dropbox.com/sh/blnr3jvius8f3eh/AACOhqyzZGiDHAOPmyE__873a?dl=0

拜托，你能给我举个例子吗？劳尔

1. 我想在 R 中进行多元回归（其中每个输出样本都是一个向量，而不是一个数字），我知道可以使用该lm()函数来处理它；但是，多元输出数据不一定是正态分布的，因此我尝试使用多元 t 回归作为替代方案。听起来可以吗？
2. R中是否有一个包可以进行多元学生t回归？

谢谢，戈尔希德

当我做我的捷运时，我遇到了两个错误：

[1] "error code = 0" and Error in indval.default(Ynode, clustering = clustnode, numitr = 1000)：所有物种必须至少出现在一个地块中。有谁知道为什么？我检查了一下，我所有的物种都有丰富的> 0 ...

X-Val 代表：1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 4 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150

最小树大小 tabmins 2 3 4 6 2 125 5 18

MRTtest1=MRT(MRTtest,percent=10,species=colnames(vegetation)) summary(MRTtest1) 每个特定节点的物种解释的偏差部分 (%)

～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～ ~~~~ --- 节点 1 --- 复杂度(R2) 14.87422 Sommesurfterr>=6.024 Sommesurfterr< 6.024

~ 判别物种： THOmtot THOmtot % of expl. 偏差 17.61057298 38.419650816 左侧均值 0.37621604 0.430818462 右侧均值 0.08877576 0.006259911 [1] “错误代码 = 0”

~ 该节点的 INDVAL 物种：：左边是 1，右边是 2 簇指示符_值概率 THOmtot 1 0.9597 0.001 THOnmtot 1 0.7878 0.001 LEG 1 0.5802 0.031 LIB 1 0.5078 0.010 MELnmtot 1 0.4710 0.0447 EPNnm0.026

概率总和 = 87.497

指标值之和 = 30.02

重要指标值之和 = 12.67

重要指标数 = 29

重要指标分布

1 2 8 21

～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～ ~~~~ --- 节点 2 --- 复杂度(R2) 7.920283 Densiometre< 19.88 Densiometre>=19.88

indval.default(Ynode, clustering = clustnode, numitr = 1000) 中的错误：所有物种必须至少出现在一个地块中