ecpc: An R-package for generic co-data models for high-dimensional prediction
高维预测考虑的是变量多于样本的数据。一般的研究目标是找到最好的预测或选择变量。通过利用共同数据形式的先验信息,提供不是关于样本而是关于变量的补充数据,可以改进结果。我们考虑自适应岭惩罚广义线性和Cox模型,其中变量特定的岭惩罚适应于协数据,以给予先验更重要的变量更多的权重。R-package ecpc最初容纳了各种可能的多个协数据源,包括分类协数据,即变量组和连续协数据。然而,连续的协数据是通过自适应离散化处理的,这可能会导致建模效率低下和信息丢失。在这里,我们提出了一个扩展的方法和通用的协同数据模型的软件,特别是连续的协同数据。在此基础上建立了一个经典的线性回归模型,对协数据的先验方差权重进行回归。协数据变量,然后估计经验贝叶斯矩估计。将估计过程置于经典回归框架中后,扩展到广义加性和形状约束的协数据模型是简单的。此外,我们展示了如何脊罚款可能转化为弹性网罚款与R-包挤压。在模拟研究中,我们首先比较了不同的协数据模型的连续协数据从扩展到原来的方法。其次,我们比较了变量选择方法与其他变量选择方法的性能。此外,我们演示了整个文件中的几个例子中使用的包。
2022-05-16 stat.ME stat.ML
PoolTestR: An R package for estimating prevalence and regression modelling with pooled samples
合并检测(也称为组检测),即对合并样本进行诊断检测,在动物和人类疾病监测中具有广泛的应用。一个日益普遍的使用案例是分子异种监测(MX),通过捕获和测试大量病媒(如蚊子)来监测病媒传播的疾病。R软件包PoolTestR的开发是为了满足日益庞大和复杂的分子异种监测调查的需求,但也可以应用于分析涉及合并测试的任何数据。PoolTestR包括简单灵活的工具,用于估计患病率,并在频率论和贝叶斯框架中为汇总数据拟合固定和混合效应广义线性模型。混合效应模型允许用户考虑调查中经常采用的分层抽样设计,包括MX。我们证明了实用的PoolTestR通过将其应用到一个大型的合成数据集,模拟MX调查与分层抽样设计。
2020-12-10 stat.CO stat.ME stat.OT
Generalised Linear Mixed Model Specification, Analysis, Fitting, and Optimal Design in R with the glmmr Packages
本文介绍了 R 包 glmmrBase 和 glmmrOptim,前者用于灵活指定、拟合和分析广义线性混合模型,后者用于识别相关观测下的 c-最优实验设计,并提供了示例和比较。
2024-03-14 stat.CO stat.ME
Good distribution modelling with the R package good
虽然模型的计数数据与过度分散已被广泛认为在文献中,模型的分散不足-相反的现象-得到较少的关注,因为它只是在特定的研究领域,如生物剂量学和生态学相对常见。良好分布是一个灵活的替代建模计数数据,显示过度分散或分散不足,虽然没有R包仍然是我们所知的。我们的目标是在下面给出计算标准概率函数(即,概率密度函数、累积分布函数和分位数函数),并从服从良好分布的总体生成随机样本。该软件包还考虑了良好回归的函数,包括与标准glm函数类似的协变量。最后,我们展示了使用这样的包与一些现实世界的数据的例子,解决过度分散,特别是分散不足。
2021-05-04 stat.CO stat.ME
ForestFit : An R package for modeling tree diameter distributions
林分树木直径分布建模是一项常见的林业任务,支持关键的生物和经济相关的管理决策。用于代表直径分布的模型的选择以及如何估计其参数在林业文献中受到了很大的关注;然而,没有便于对无数建模方法进行全面比较的可用软件。为此,我们开发了一个R软件包,称为ForestFit,简化了常见的概率分布用于模型树直径分布,包括两个和三个参数的韦布尔分布,约翰逊的SB分布,伯恩鲍姆-桑德斯分布,和有限的混合分布的估计。频率和贝叶斯技术提供了个别树直径数据,以及分组数据。附加功能有助于将生长曲线拟合到高度-直径数据。该软件包还提供了一组用于计算概率分布和模拟常见有限混合模型的随机实现的函数。
2019-11-25 stat.AP stat.CO
EMMIXcskew: an R Package for the Fitting of a Mixture of Canonical Fundamental Skew t-Distributions
本文给出了一个R软件包EMMIX cskew,用于通过极大似然(ML)拟合典型基本斜t分布(CFUST)及其有限混合分布(FM-CFUST)。CFUST分布提供了一系列灵活的模型来处理非正态数据,并带有用于捕获数据中偏态和重尾的参数。它形式上包含正态分布、t分布和偏正态分布作为特殊和/或极限情况。一些其他版本的偏t分布也嵌套在CFUST分布中。在本文中,一个期望最大化(EM)算法计算的FM-CFUST模型的参数的ML估计,并讨论和说明了不同的策略初始化算法。该方法在EMMIXcskew包中实现,并使用两个真实数据集给出了示例。EMMIXcskew包包含拟合FM-CFUST模型的函数,包括生成不同初始值的过程。其他功能包括随机样本生成和2D和3D轮廓可视化。
2017-02-09 stat.CO stat.ME
MPS: An R package for modelling new families of distributions
我们介绍了一个\verb |R|软件包,称为\verb |MPS|,用于计算概率密度函数,计算累积分布函数,计算分位数函数,模拟随机变量,并估计24个新的移位分布族的参数。通过为每个族考虑额外的移位(位置)参数,产生更多的灵活性。在某些情况下,由于极大似然估计可能不存在,我们采用著名的最大乘积间距方法来估计移位24个新的分布族的参数。将通过示例检查用于计算cdf、pdf和模拟随机样本的\verb |MPS|包的性能。通过对三组实际数据执行\verb |MPS|程序包,证明了最大乘积间距方法的性能。正如我们将要看到的,对于第一个集合,极大似然估计量被破坏了,但是\verb |MPS|包找到了它们。对于第二组,增加位置参数导致接受模型,而没有位置参数则使模型变得非常不合适。对于第三组,位置参数的存在产生更好的拟合。
2018-09-09 stat.AP stat.CO
Counterfactual: An R Package for Counterfactual Analysis
Counterfactual软件包实现了Rishzhukov,Fernánal-Val和Melly(2013)的估计和推理方法,用于反事实分析。所考虑的反事实分布是改变与感兴趣的结果变量相关的协变量的边缘分布或给定协变量的结果的条件分布的结果。它们可用于估计分位数处理效应和工资分解。本文介绍了该软件包,并展示了其中包含的命令的基本功能。
2016-10-25 econ.EM stat.CO
evgam: An R package for Generalized Additive Extreme Value Models
本文介绍了R软件包evgam。该软件包提供了拟合极值分布的函数。这些分布包括广义极值分布和广义帕累托分布。前者也可以通过点过程表示来拟合。evgam通过非对称拉普拉斯分布支持分位数回归,这对于估计高阈值非常有用,有时用于区分极端值和非极端值。evgam的主要作用是使极值分布参数具有广义可加模型的形式,可以用Laplace方法进行客观估计。给出了适合各种规格的各种分布的说明性例子。这些包括美国科罗拉多州部分地区的日降水量累积,用于说明空间模型,以及美国科罗拉多州柯林斯堡的日最高温度,用于说明时间模型。
2020-11-08 stat.CO stat.ME
Binary R Packages for Linux: Past, Present and Future
预编译的二进制包提供了一种高效分发软件的方便方法,已被大多数Linux包管理系统采用。然而,Linux生态系统的异构性,加上越来越多的R扩展,带来了可扩展性问题。因此,将二进制R包引入Linux的努力已经分散,并且缺乏适当的机制将它们与R的包管理器完全集成。这项工作回顾过去和现在的Linux的二进制分发,并提出了一个前进的道路,展示了'cran2copr'项目,一个基于RPM的概念验证实现的自动化可扩展的二进制分发系统的能力建设,维护和分发数以千计的包,同时提供一个便携式和可扩展的桥梁系统包管理器。
2021-08-08 cs.SE stat.CO
PyChEst: a Python package for the consistent retrospective estimation of distributional changes in piece-wise stationary time series
我们介绍PyChEst,一个Python包,它提供的工具,同时估计多个变化点的分布分段平稳时间序列。实现的非参数算法是可证明一致的一般框架:当样本是由未知的分段平稳过程。在这种情况下,样本可能具有任意形式的长程依赖性,并且在变化点之前和之后的任何(未知)固定大小的有限维边缘可能相同。该软件包中包含的算法的优势在于它们能够一致地检测变化,而不会对底层过程分布施加任何超出平稳性的假设。我们说明了这一显着的特点,通过比较的性能包对国家的最先进的模型设计的设置中的样本是独立和相同的分布。
2021-12-20 cs.MS stat.AP stat.CO
DistdichoR a R Package for the distributional dichotomisation of continuous outcomes
我们介绍的功能,包括在R包distdichoR的分布方法的二分法的连续结果的实施。在回顾该方法的原理时,对于已经开发的分布,我们添加了一个新的分布-Γ分布-到可用的分布范围。
2018-09-11 stat.AP
MetaStan: An R package for Bayesian (model-based) meta-analysis using Stan
荟萃分析方法用于结合多项研究的证据。荟萃回归和基于模型的荟萃分析是标准成对荟萃分析的扩展,其中可能考虑了研究水平协变量和(组水平)给药量或暴露量的相关信息。在这种情况下,贝叶斯推理方法非常有吸引力,特别是当荟萃分析仅基于少数研究或罕见事件时。在这篇文章中,我们介绍了R包MetaStan,它实现了广泛的成对和基于模型的荟萃分析模型。广义线性混合模型(GLMM)框架用于描述成对荟萃分析、荟萃回归和基于模型的荟萃分析模型。在GLMM框架内,似然函数和链接函数适合于反映数据的性质。例如,使用具有logit链接的二项式似然来执行基于具有二分终点的数据集的荟萃分析。贝叶斯计算通过rstan接口使用Stan进行。Stan使用了一个属于马尔可夫链蒙特卡罗方法家族的哈密顿蒙特卡罗采样器。Stan实现是通过使用适当的参数化来简化计算。用户友好的R包MetaStan,可在CRAN上使用,支持广泛的成对和基于模型的荟萃分析模型。MetaStan为配对荟萃分析提供拟合函数,可选择包括协变量和基于模型的荟萃分析。支持的结果类型包括连续、二进制和计数。成对荟萃分析的森林图和基于模型的荟萃分析的剂量-反应图可从软件包中获得。通过临床实例证明了MetaStan的使用。
2022-02-01 stat.ME
Bayesian Survival Analysis Using the rstanarm R Package
生存数据在一系列学科中都会遇到,最明显的是健康和医学研究。虽然贝叶斯方法对生存数据的分析可以提供许多好处,但它们的使用不如经典方法(例如基于可能性的方法)广泛。这可能部分是由于相对缺乏用户友好的贝叶斯生存模型的实现。在这篇文章中,我们描述了如何使用rstanarm R包来拟合各种贝叶斯生存模型。rstanarm软件包通过提供一个用户友好的界面(用户使用习惯的R公式语法和数据框指定其模型)和使用Stan软件(一个用于贝叶斯推断的C++库)进行后端估计,促进贝叶斯回归建模。可以使用rstanarm估计的模型套件很广泛,包括广义线性模型(GLM),广义线性混合模型(GLM),广义加性模型(GAM)等。在本文中,我们只关注生存建模功能。这包括标准参数(指数,威布尔,Gompertz)和灵活的参数(样条)风险模型,以及标准参数加速失效时间(AFT)模型。允许所有类型的删失(左删失、右删失、区间删失),以及延迟录入(左截断)、时变协变量、时变效应和脆弱性效应。我们通过工作示例演示功能。我们预计这些实现将增加贝叶斯生存分析在应用研究中的应用。
2020-02-22 stat.CO stat.ME
Transformation and simulation for a generalised queuing problem using a G/G/n/G/+ queuing model
我们研究了一个广义排队模型,我们称之为G/G/n/G/+模型,其中包括G/G/n和G/G/n/s模型的特殊情况。我们的模型适用于有用的用户行为和排队过程的设施的限制概括。给定一组输入的用户和设施,我们开发了一个递归算法,计算排队过程的各个方面,包括等待时间,使用时间和未服务时间为每个用户。我们还展示了如何队列可以表示图形化的“排队图”。我们使用我们的算法进行模拟分析,以确定给定的输入分布的排队输出的分布,我们展示了如何可以用来优化设施的数量。我们进行了一些简单的模拟来说明使用标准排队模型的方法。我们的方法在R的实用程序包中的各种排队函数中实现。
2021-11-13 stat.CO
fdesigns: Bayesian Optimal Designs of Experiments for Functional Models in R
本文介绍R包fdesigns,利用B样条基函数降维,为函数线性及广义线性模型实现贝叶斯最优试验设计,支持轮廓与标量因子及交互效应。
2025-05-22 stat.CO stat.ME
acebayes: An R Package for Bayesian Optimal Design of Experiments via Approximate Coordinate Exchange
我们描述的R包acebayes,并证明其使用贝叶斯最优试验设计。一个决策理论的方法,采用最优设计最大化的预期效用。为现实问题寻找贝叶斯最优设计是具有挑战性的,因为期望效用通常是棘手的,并且设计空间可能是高维的。该软件包实现了近似坐标交换算法,通过一系列有条件的一维优化步骤来优化(近似)预期效用。在每个步骤中,使用高斯过程回归模型来近似并随后优化作为单个设计坐标(一个可控变量对于一次实验运行所取的值)的函数的预期效用。除了用户自定义效用函数的定制设计问题的功能外,acebayes还提供了为常见的广义线性和非线性模型找到设计的功能。该软件包提供了一个步骤的变化,可以解决的问题的复杂性,使设计可以找到更多的变量和运行比以前可能的。我们提供了四个说明性的例子,不同的复杂性,设计的参数估计,模型选择和预测的目标的方法的应用教程。这些例子展示了以前看不见的acebayes功能。
2018-12-26 stat.CO
Fitting heavy tailed distributions: the poweRlaw package
在过去的几年里,幂律分布已被用作许多不同领域的数据生成机制。然而,有时用于拟合幂律分布的技术是不合适的。本文描述了poweRlaw R包,它使拟合幂律和其他重尾分布变得简单。该软件包包含用于拟合、比较和可视化重尾分布的R函数。总的来说,它提供了一个原则性的方法来幂律拟合。
2014-07-13 physics.data-an stat.CO
Robust Generalised Bayesian Inference for Intractable Likelihoods
广义贝叶斯推断使用损失函数而不是似然更新先验信念,因此可以用于赋予针对可能的似然错误指定的鲁棒性。在这里,我们认为广义贝叶斯推断与斯坦差异作为一个损失函数,动机的应用程序中的可能性包含一个棘手的归一化常数。在这种情况下,斯坦差异规避评价的归一化常数,并产生广义后验,要么是封闭的形式或使用标准的马尔可夫链蒙特卡罗访问。在理论层面上,我们表现出一致性,渐近正态性和偏置鲁棒性的广义后验,突出这些属性是如何影响的选择斯坦差异。然后,我们提供了一系列的棘手的分布,包括应用基于核的指数族模型和非高斯图形模型的数值实验。
2022-01-11 math.ST stat.CO stat.ME