Rで棒グラフと折れ線グラフを重ねた2軸グラフを描く - StatsBeginner: 初学者の統計学習ノート
さっき、Rで棒グラフと折れ線グラフを重ねたものを作ろうとして、けっこう手間取りました。最終的に描いたのは↓のようなものなのですが。 「2軸グラフの書き方」「種類の異なるグラフの重ね方」についていろいろ調べたところ、barplot()とplot()を組み合わせるやり方もあるんですが、ggplot2でやるほうがやりやすかったです。以下、まず単なる2軸グラフの書き方をおさらいした後で、棒と折れ線を組み合わせる方法をメモしておきます。 2軸グラフの作り方 左右の軸をつかってスケールの異なるグラフを重ねたいだけなら、さほど難しくはなく、plot()ですぐできます。 例えば折れ線グラフを２つ重ねたいのだとしたら、まず1つめの変数のグラフを軸無しで書いたあとに、x軸と左軸を描く。その後、par(new=T)で、2つめの変数のグラフを軸なしで重ね描きした上で、右軸を描けばいいです。 で、最後にbox()で
Rでの単位根検定はadf.test()関数よりCADFtest()関数がいいのでは？ - StatsBeginner: 初学者の統計学習ノート
時系列データをあまり扱わないのでまじめに考えてなかったんですが、Rで単位根検定をする場合、拡張ディッキー＝フラー検定（augmented Dickey–Fuller test）を実施してくれるadf.test()という関数があります。 しかしこの関数は、 考慮するラグの次数を指定しなかった場合、サンプルサイズ（時系列データの長さ）を基準にして自動選択している 定数項もトレンド項も含むパターンしかやってくれない という制限があり、後者についてはたいていの場合含めといたほうがいいらしいので問題ないとして、前者はよくわからない基準であって*1、本来はAICなどに基づいて選択されたラグ次数を用いたモデルで検定したほうがいいと思われます。実際ラグ次数によって結果がけっこう変わることもあるので、慎重に選んだほうがいいかと思います。 ということで、以下の記事で説明されているように、CADFtestパッケ
ブートストラップ法で信頼区間を求めるときの注意点 - ほくそ笑む
1. はじめに ブートストラップ信頼区間について調べていたんですが、理論的な求め方は教科書などに載っているのですが、実践的な情報が少ないように思います。 今回、少し調査してみて、実際に適用する際に注意が必要だなと感じたことについて書いておきます。 2. ブートストラップ信頼区間 ブートストラップ法は、理論的に求めるのが難しい統計量を、経験分布からのシンプルなリサンプリングによって推定できるという手法です。 ブートストラップ法では、推定された統計量に対して、その信頼区間を求めることもできます。 このような信頼区間をブートストラップ信頼区間といいます。 ブートストラップ信頼区間を求める方法については色々議論があるようですが、主な手法は次の5つです。 正規分布近似法 ベーシック法 パーセンタイル法 BCa法(bias-corrected and accelerated percentile me
統計プログラミング言語Rを用いた一般均衡分析 - ジークの雑録日誌
統計プログラミング言語Rとは主に統計分野において用いられるツールである。実証分析をする際、非常に便利である。研究者が公表している追加パッケージを用いることで様々な分析が可能となる。とりわけ経済学分野のパッケージが豊富である。そんな中、最近になり新しいパッケージが登場した。 そのパッケージは、gEcon（ジーコン）という。gEconは一般均衡モデルを構築、分析するためのツールである。Dynareで十分じゃないかという主張もあるかもしれないが、私はgEconを推奨する。理由は次の通りである。 第1に、なるべく１つのソフトで済ませることができる。従来の手法だと、Rを使用することができないので一般均衡分析の際には別途、OctaveとDynareを導入する必要があった。なるべく同じソフトで済ませたいと考えるのが当然である。Rパッケージのgeonと組版ソフトの1つである「Tex」を使えば均衡分析に関す
Rで非線形制約条件付非線形最適化を行う方法 by Rsolnp −２ - My Life as a Mock Quant
↓導入の記事はこちら http://d.hatena.ne.jp/teramonagi/20091217/1261048574 簡単な例題を通して動作を確かめんとす。 library(Rsolnp) #(x,y)=(1,2)で最小値をとるような凸関数 objectiveFunc <- function(x_) { return(sum((x_-c(1,2))^2)) } #決定変数のスタート値 x0 <- c(100,100) #最適化 solution <- solnp(x0,fun = objectiveFunc) #結果出力 print(solution) これを走らせると最後のprint分から > print(solution) $pars [1] 1 2 $convergence [1] 0 $values [1] 1.940500e+04 4.909325e-11 1.1498
Rでカテゴリカルデータで係数に制約をつけた回帰を実現する方法 質的データ - arupaka-_-arupakaの日記
カテゴリカルデータで制約付の回帰。 結局結論をまとめると y=a1*x1+a2*x2+a3*x3+Cで、 x=[1,2,3], x1,x2,x3ダミー変数のとき(0,1)、 a<-NULL a[1]<-100 a[2]<-300 a[3]<-400 aa<-rbinom(size=2,1000,prob=0.5)+1 y<-a[aa]+rnorm(1000) x<-factor(aa) lm(y~factor(x),list(x = contr.sum)) 結果 Call: lm(formula = y ~ x, contrasts = list(x = contr.sum)) Coefficients: (Intercept) x1 x2 266.69 -166.68 33.33 とすれば、回帰係数a1:x1とa2:x2が求められる。a3=(0-a1-a2)となる。 一方、 lm(y~f
今更ながら、Rのアンインストール・インストール・初期設定の復習（Macの場合） - StatsBeginner: 初学者の統計学習ノート
備忘のためのメモが必要 Rのバージョンアップをしようとしたんですが、Macの場合はアップデート用のコマンドが使えないらしいので、アンインストールして新バージョンを再インストールをすることにしました。 Rのインストール方法なんて解説サイトが山ほどあるのでこの記事をみるメリットはあまりないですが、自分がやることになった時に自分で書いたブログ記事を見直すのがたぶん一番早いので、まとめておくことにします。 初期設定一式については、新しくパソコンを買った時とかに一通りやり直さなければならない場面もあるかもしれないですし。 研究室ではみんなSPSSを使ってる（私もSPSSを使い始めた）ので、学生にインストールを教えることは当面なさそうですが、Rの何かのパッケージを使わないとできないことが出てきたら，教える場面もあるかもしれません。 なお今回の環境としては、OS X SierraでR 3.4.0を使って
R 環境の Locale 設定（日本語を使用する） | まくまくRノート
R コンソールを起動したときに、システムの Locale 設定が正しく行われていないと、下記の様な警告メッセージが表示されます。 Mac OSX での Locale 設定の警告メッセージ During startup - Warning messages: 1: Setting LC_CTYPE failed, using "C" 2: Setting LC_COLLATE failed, using "C" 3: Setting LC_TIME failed, using "C" 4: Setting LC_MESSAGES failed, using "C" 5: Setting LC_MONETARY failed, using "C" [R.app GUI 1.66 (7060) x86_64-apple-darwin13.4.0] WARNING: You're using a
生態学データ解析 - lmer 紹介
線形混合モデルと一般化線形混合モデル (GLMM 参照) の推定計算する関数 lmer() を紹介します (R の関数) 複雑なモデル (例: 複数の種類の random effects をあつかう) を lmer() で推定させると， あまり正しくない推定結果が得られる場合が「よく」あります (2011-12-27 ……けっきょくこの欠点は何年たっても改善されなかった) このように複雑なモデル WinBUGS や JAGS， あるいは MCMCglmm() を使って推定したほうがよいと思います [もくじ] lmer() とは何か 他の推定関数との比較 実験: 乱数つかったデータ生成と GLMM 推定 結果 (1): 推定値 b の比較 結果 (2): deviance 比較 (glmmML() vs lmer()) とりあえずの，まとめ Appendix: そもそも method = "
ExploratoryとRを使って、Pythonよりもっと早く、歩数データを分析して、京都、東京、シリコンバレーで比較してみた - Qiita
ExploratoryとRを使って、Pythonよりもっと早く、歩数データを分析して、京都、東京、シリコンバレーで比較してみたRデータ分析DataVisualizationデータ可視化Exploratory iphoneのアプリを使うと簡単に歩数のデータを見れるのをご存知ですか？ 実は、今歩数を数えて分析することにハマっています。私は、2015年の10月ごろから、京都から東京にProgate株式会社でのソフトウェアエンジニアとしてのインターンシップで、上京しました。また、2016年の2月から、東京からアメリカのシリコンバレーのほうに留学でやってきました。上京前や留学前と後で歩数の変化に違いは見られたりするのでしょうか？ 機械学習やデータサイエンスで有名なYhat社が、ブログで、歩数のデータをPythonを使って分析しています。これから、これをもとに、今度は私の方で、私のiPhoneからダウ
Rのフロントエンドということで話題になっている、Exploratoryの対話的なデータ分析環境で「ヨーロッパはほんとに女性が活躍しやすい社会か」どうか分析してみた - Qiita
Rのフロントエンドということで話題になっている、Exploratoryの対話的なデータ分析環境で「ヨーロッパはほんとに女性が活躍しやすい社会か」どうか分析してみたRデータ分析DataVisualizationデータ可視化Exploratory ぱっと見て、このデータがなんのデータかとかってわかりますか？ これだけ見ただけだとなんのデータかわからないですよね〜。 これは実は、フォーブズ誌からダウンロードしてきた世界の億万長者についてのデータなんですね。 そもそも億万長者ってどの国に多いんですかね。また、億万長者ってどうやってなってるんですかね。はたまた、億万長者って男性と女性どちらのほうが多いのでしょうか？ また、最近読んだ記事↓によると、ヨーロッパは女性が活躍しやすい社会だったりするそうです。だとすると、今、ヨーロッパには、女性の億万長者も多かったりするのでしょうか？ こんな疑問を、データ
RのフロントエンドExploratoryを使って、セクハラが世界中の「いつ、どの場所に」多いかを分析して、シリコンバレーのハッカソンで２位になってきた - Qiita
RのフロントエンドExploratoryを使って、セクハラが世界中の「いつ、どの場所に」多いかを分析して、シリコンバレーのハッカソンで２位になってきたRデータ分析DataVisualizationデータ可視化Exploratory 今回のハッカソンには、テーマがいくつか用意されていた。例えば、教育、健康、金融、社会起業などがありました。中でも、ぼくの目を一際引いたのは、次のこの単語でした。 Safe City（安全な街） 以前、友人から、セクハラの相談を受けていたこともあり、セクハラの問題を解決するアプリによって「女性にとっての安全な街」を実装するを方針でぼくは動きました。チームは無事見つかり、ハッカソンに提供されていたセクハラのデータを集めたプラットフォームを運営しているSafe cityという非営利団体のAPIを利用したWebアプリケーションを作ろうということになりました。 セクハラは
ExploratoryをさわってRでGoogleSearchConsoleのデータを集計・可視化 – かものはしの分析ブログ
都内の事業会社で分析やWebマーケティングの仕事をしています。大学・大学院では経済学を通じて統計解析を行うなどしておりました。企業に勤めてからは、機械学習やテキストマイニング、クローリング技術などに関心を持っています。 Twitterアカウント Mr_Sakaue( SKUE ) GitHub 読書メーター ほしいものリスト 先日知り合った方から、Exploratoryの紹介をしていただき、Rをカジュアルに利用できる可視化ツールとのことで関心を持っていたのですが、さっそくこのブログのアクセス関連のデータを集計・可視化してみようと思います。 【目次】 ・Exploratoryについて ・ダウンロードとインストール ・データの読み込み（Built in）と可視化 ・データの読み込み（With R）と可視化 ・dplyrの活用 ・使ってみて思うところ Exploratoryについて Explor
RとウェブAPIに関する本をちょっと書きました。 - Technically, technophobic.
「Rによるスクレイピング入門」という本が3週間後に出る予定です。 日本のR界の出版王こと石田基広先生をはじめ、ホクソエム株式会社の名参謀・市川さん、人を死に至らしめる程のR力を誇るという瓜生さん、という豪華な著者陣に並んで、私もウェブAPIに関する節をいくつか担当させていただきました。 Rによるスクレイピング入門 作者: 石田基広,市川太祐,瓜生真也,湯谷啓明出版社/メーカー: シーアンドアール研究所発売日: 2017/03/25メディア: 単行本（ソフトカバー）この商品を含むブログ (1件) を見る えっ、ウェブスクレイピングの本じゃないの？ と思ったかもしれませんが、この本は、ウェブスクレイピングの本でありウェブAPIの本でもあります。「広大なインターネット上のデータをRで扱う方法」みたいなことについて書かれた本です。たぶんタイトルでスクレイピングの本として認識する方が多いと思うので、
Rでk-means法とその拡張2 x-means編 - サボタージュ禁止のおさぼり日記
あっ, どーも僕です。 注意！！本エントリーの記述はRソースを含めて全面的に書き直しています！！(なぜかこのエントリーはアクセス数が多いので（汗）)＠2014/9/11 Python版はこちらから． github.com クラスター数が自動で決まるkmeans法 前回はk-means法の実装を示しました。 kmeans法は近い者同士を集めるという直感的に理解しやすいシンプルなクラスタリングですが、そのシンプルさゆえにいくつか欠点（？）があります。 その一つはクラスター数の設定です。 kmeans法ではクラスター数をパラメータとして与えます。...しかし、どうやってクラスター数を設定するればよいのでしょう。...わかりません。職人芸でしょうか。 素人にはクラスター数は決められないでしょうか？ 考えるめんどくさいのでアルゴリズムに決めてもらいたいです。 そんなクラスター数をアルゴリズムに決めて
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
(実験心理学徒だけど)一般化線形混合モデルを使ってみた
http://user.keio.ac.jp/~nagakura/R/ts_R2.pdf
What is the best way to start learning R? I would spend money on a course, but would obviously prefer a free resource. I’m familiar with ...
Rのこれだけ覚えておけばいいdata.tableの使い方 - Qiita
Why do people laugh when I say R is my favorite programming language? - Quora