Kepadatan sebaran normal multivariat

Create Your Free Account

or

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

Latihan ini merupakan bagian dari kursus

Distribusi Probabilitas Multivariat di R

SkillTag.level.intermediateSkillTag.label

4.8+

43 reviews

Mulai Kursus Gratis

Dalam pengantar data multivariat ini, Anda akan mempelajari cara membaca dan meringkasnya. Anda akan mempelajari cara meringkas data multivariat menggunakan statistika deskriptif, seperti vektor mean, matriks varians-kovarians, dan korelasi. Anda kemudian akan mengeksplorasi teknik pemetaan/plotting untuk memberikan wawasan tentang data multivariat.

Exercise 1: Membaca data multivariat Exercise 2: Membaca data multivariat menggunakan read.table Exercise 3: Menentukan tipe data untuk kolom Exercise 4: Vektor rerata dan matriks varians-kovarians Exercise 5: Menghitung vektor mean Exercise 6: Menghitung matriks varians-kovarians Exercise 7: Menghitung matriks korelasi Exercise 8: Memplot data multivariat Exercise 9: Plot pasangan menggunakan base graphics dan lattice Exercise 10: Teknik plotting 3D

Bab ini akan memperkenalkan Anda pada distribusi probabilitas multivariat yang paling penting dan paling banyak digunakan, yaitu normal multivariat. Anda akan belajar cara menghasilkan sampel acak dari distribusi normal multivariat dan cara menghitung serta memplot kerapatan dan probabilitas di bawah distribusi ini. Anda juga akan belajar cara menguji apakah suatu himpunan data mengikuti kenormalan multivariat.

Exercise 1: Distribusi normal multivariat Exercise 2: Sampel dari sebaran normal multivariat Exercise 3: Identifikasi distribusi dari sampel normal Exercise 4: Kepadatan sebaran normal multivariat

Latihan Saat Ini

Exercise 5: Menghitung densitas normal multivariat Exercise 6: Menghitung dmvnorm pada sebuah grid Exercise 7: Distribusi Kumulatif dan Inverse CDF Exercise 8: Menggunakan fungsi pmvnorm Exercise 9: Menghitung kontur probabilitas menggunakan qmvnorm Exercise 10: Memeriksa kenormalan data multivariat Exercise 11: Uji grafis untuk kenormalan multivariat Exercise 12: Uji numerik untuk kenormalan multivariat Exercise 13: Uji kenormalan multivariat menurut jenis wine

Bab ini memperkenalkan berbagai distribusi probabilitas untuk memodelkan data non-normal. Secara khusus, Anda akan diperkenalkan pada distribusi t multivariat, yang dapat memodelkan ekor yang lebih tebal dan merupakan generalisasi dari distribusi t Student univariat. Anda juga akan diperkenalkan pada berbagai distribusi miring, yang dirancang khusus untuk memodelkan data yang miring ke kanan atau ke kiri.

Exercise 1: Distribusi Multivariat Lain yang Umum Exercise 2: Hasilkan sampel dari sebaran t multivariat Exercise 3: Identifikasi sebaran Exercise 4: Kerapatan dan kerapatan kumulatif untuk multivariat-t Exercise 5: Kerapatan sebaran t multivariat Exercise 6: Distribusi kumulatif dan kuantil t Exercise 7: Membandingkan probabilitas normal dan t Exercise 8: Distribusi multivariat miring Exercise 9: Mengambil sampel dari sebaran miring Exercise 10: Memplot dan menguji kepadatan yang miring Exercise 11: Mengamati kemiringan dari plot kontur Exercise 12: Estimasi parameter untuk skew-normal multivariat

Pada bab terakhir, Anda akan diperkenalkan pada teknik untuk menganalisis data berdimensi tinggi, termasuk principal component analysis (PCA) dan multidimensional scaling (MDS). Anda juga akan mempelajari penerapan teknik-teknik ini melalui analisis data.

Exercise 1: Analisis Komponen Utama Exercise 2: Jumlah PC untuk himpunan data state.x77 Exercise 3: Menggunakan fungsi princomp Exercise 4: Memilih jumlah komponen Exercise 5: Menghitung proporsi ragam yang dijelaskan Exercise 6: Memilih jumlah PC Exercise 7: Jumlah komponen yang menjelaskan 95% variasi Exercise 8: Jumlah PC menggunakan scree plot Exercise 9: Menafsirkan atribut PCA Exercise 10: Loading dan skor untuk PC Exercise 11: Memvisualisasikan PCA menggunakan pustaka factoextra Exercise 12: Skala multidimensi Exercise 13: Skala multidimensional dalam dua dimensi Exercise 14: Multidimensional scaling dalam tiga dimensi Exercise 15: Selamat