V
主页
8.5 协变量及效应大小
发布人
能够随心处理各型数据,能够画出美美哒图片,R语言的下一步追求在哪里? 在这里,结合统计知识,利用数据建模,从数据蓝海中抽丝剥茧,找到可以为你所用的数据价值。如何做到? 您请好了!懂你的UP主重磅推出覆盖更多好用技能的“每天15分钟”R语言系列。由浅入深,手把手教你数据建模~ 快来感受科技的力量! 贴心UP,依然带codes,每周更新发布哟~(懒人福利!懒人福利!!懒人福利!!!) 还等什么!还不快一键三连(关注、点赞,投币)呀~小站更新秒知道啦~
打开封面
下载高清视频
观看高清视频
视频下载器
14.2 线性混合效应模型
14.1 混合效应模型简介
13.4 用广义线性模型进行多元回归
4.4 连续变量转分类变量
4 变量与变量类型
12.2 监督和可视化GAM结果
12.1 GAM模型简介
13.1 广义线性模型GLM简介
8.3 评估模型预测能力
14.3 广义线性效应模型
3.7 Wilcoxon秩和检验
11.1 统计推断的概念
8.4 用模型探索数据
GBD(全球疾病负担)_范文精读_详解_(1)_标题_摘要_引言_方法_结果
15.3 模型的训练、测试和验证
6.1 Bootstrapping法估计参数
nlmixr包-用R进行非线性混合效应模型
一元非线性回归
10.3 多元回归
4.7 分类变量的线性回归I
1.4 各类分布的代码
15.2 用broom建多种模型
概率分布-重要的概念 随机变量|PMF|PDF|期望|方差|辛普森悖论
10.4 逻辑回归
13.2 用广义线性模型做逻辑分析
9.3 抽样误差及算数变化
8.3 单变量分布
7.2 比较比例
3.1 概率puzzle简介
2.2 readr & read.table
54 多元线性回归模型建立
5.3 假设检验及机会成本
R语言入门16实用技巧
9.2 总体变化和部分变化
16.2 训练与评估回归模型
5.2 美学
5.2 Bootstrap法获得置信区间
3.6 独立样本t检验
1.6 从excel导入数据(readxl)
25.3 验证性因子分析