R语言POT超阈值模型在洪水频率分析中的应用研究
结合POT模型的洪水风险评估能够从有限的实测资料中获取更多的洪水风险信息。
结合POT模型的洪水风险评估能够从有限的实测资料中获取更多的洪水风险信息。
增量法使我们具有(渐近)正态性,因此一旦有了标准偏差,便可以得到置信区间。
越来越多的人愿意精神消费。旅游不仅可以提升人们对外地环境和外地人文的认知,也可以放松身心、愉悦心情,是一种受欢迎的精神消费。
R语言绘图中的中文默认字体宋体,希望用其他字体绘图,保存成PDF格式不能识别中文。
关联规则是if / then语句,可帮助发现看似无关的数据之间的关系。关联规则的一个示例是“如果客户购买鸡蛋,那么他有80%的可能性也购买牛奶”。
在本指南中,我们想向您展示如何使用现在提供的一些奇妙,免费的工具和软件包编写美观,可重复的报告。这些工具将帮助您交流科学知识,并希望您再也不会复制和粘贴R输出。
广义线性模型(GLM) 是通过连接函数,把自变量线性组合和因变量的概率分布连起来
通常,GLM的连接函数可能比分布更重要。
一种类型的平滑称为样条平滑。柔性金属(通常是铅),可以用作绘制平滑曲线的参考。将选择一组点(称为结),然后将样条线压在特定的x,y点,然后弯曲以通过下一个点,依此类推。
回归分析是一种十分常见的数据分析方法,通过观测数据确定变量间的相互关系。传统回归分析以点数据为研究对象,预测结果也是点数据,而真实数据往往在一定范围内变动的。
WeChat Tencent QQ email print 由Kaizong Ye,Qing Li撰
如何使用蒙特卡洛模拟来推导随机变量可能的分布,我们回到统计数据(无协变量)进行说明。
与普通的扩散研究不同,网络扩散开始考虑网络结构对于扩散过程的影响。 这里介绍一个使用R模拟网络扩散的例子。
每次我们在应用计量经济学课程中遇到实际应用时,我们都要处理类别变量。
本教程的目的是介绍如何在RapidMiner中创建基本决策树。
情感分析或观点挖掘是文本分析的一种应用,用于识别和提取源数据 中的主观信息。
当获得奇异拟合时,这通常表明模型过度拟合-也就是说,随机效应结构太复杂而无法由数据支持,这自然导致建议删除随机效应中最复杂的部分结构(通常是随机斜率)。这种方法的好处在于,它生成了一个更加简约的模型,但并没有过度拟合
大数据背景下各种数据相关的岗位变得炙手可热,长期处于供不应求的状态。近年来随着人工智能的发展,数据分析岗也越发火热。
至少在统计学的角度上,要评估一个投资组合是否最优是很困难的。
使用Ubuntu 虚拟机。安装某些软件包时可能会出现一些问题。一个窍门是打开终端
我们已经看到了如何考虑风险敞口,计算包含风险敞口的多个数量(经验均值和经验方差)的非参数估计量。让我们看看如果要对二项式变量建模。
公司必须使用细分技术才能生存。现在,问题在于,我们不能确定指数衰减是溢价随年龄变化的正确方法。一种替代方法是使用非参数技术来可视化年龄对索赔频率的真实影响。
在保险业中,由于分散投资,通常会在合法的大型投资组合中提及大数定律。在一定时期内,损失“可预测”。
这里的想法是使距离最大化:想法是区分,所以我们希望样本尽可能不独立。要计算基尼系数。
神经网络是一种非常通用的灵活预测模型,可用于解决各种问题,包括分类,降维和回归。
通常,我们在回归模型中一直说的一句话是“ 请查看一下数据 ”。
随着多媒体技术的不断发展,数码相机,高清拍照手机等多媒体设备己经在人们的生活中占据了越来越重要的地位。
R语言提供了丰富的功能,可用于绘制R中的时间序列数据。
在精算科学和保险费率制定中,考虑到风险敞口可能是一场噩梦。不知何故,简单的结果是因为计算起来更加复杂,只是因为我们必须考虑到暴露是一个异构变量这一事实。
我们生活在互联网时代,越来越多的人选择在网上贷款消费 ,投资理财早已成为一门学问,一些有头脑的人通过小额的贷款让钱生钱也成为了一种可能,贷款消费的公司越来越多。
我们已经很自然地认为,不仅可以用一些协变量来解释单个索赔的频率,而且可以用单个成本来解释。
使用Chain Ladder方法完成流量三角形,即计算我们认为未来几年将支付的平均金额
当我们要为预测提供一个置信区间时,建议您为预测器确定置信区间参数的估计和潜在值的置信区间。
在之前的课堂上,我们已经看到了如何可视化多元回归模型(带有两个连续的解释变量)。
本文为非人寿保险课程的一部分,该示例对1900 -2005年间的“ 美国标准化飓风损失 ”数据集进行研究(2008)。我们使用了广义线性模型和帕累托分布Pareto distributions分析。
上周在 非人寿保险课程中,我们了解了广义线性模型的理论
在概率课程中经常会看到标准的正态分布表。
对精算科学来说,当我们处理独立随机变量的总和时,特征函数很有趣,因为总和的特征函数是特征函数的乘积。
大数据已经成为变革和创新的技术力量和思维方式,成为当前研究的热门领域。
我和同事一起分析死亡率。我们在研究人口数据集,可以观察到很多波动性。
拥有参数模型变得有趣,该模型应该比经验平均值更健壮。
今天上午,在课程中,我们讨论了利率制定中可观察和不可观察异质性之间的区别(从经济角度出发)。
在保险定价中,风险敞口通常用作模型索赔频率的补偿变量。
这周,我在http://waitbutwhy.com/上发现了一张图片 ,它代表了典型的人类生活
变量重要性图是查看模型中哪些变量有趣的好工具。
从动态的角度看,负利率效应也可以被描述为银行利率变化的速度小于价格指数变化的速度,这是一种违反经济规律的特殊状态。
在课程中进行案例研究(使用真实数据)时,学生都会惊讶地发现很难获得“好”模型
当我们要可视化事故数量时,其想法是根据部门的人员进行标准化。
本文我们绘制英国脱欧投票的地图。
布丰投针是几何概率领域中最古老的问题之一。它最早是在1777年提出的。
我们将使用整容手术数据说明两种中心化类型,并对其进行等级线性模型分析。
在本教程中,我们将讨论一种非常强大的优化(或自动化)算法,即网格搜索算法。
我们决定使用航空公司的航班数据探讨这个问题。
拨号音信号的变模分解,首先创建一个以4 kHz采样的信号
R语言ggmap空间可视化机动车碰撞–街道地图热力图
R语言ggmap空间可视化机动车交通事故地图
本次腧穴配伍关联规则分析,以针灸治疗FC的113例处方中使用频次在5次及以上的25种腧穴为关联对象。
新冠肺炎的爆发让今年的春节与往常不同。与此同时,新闻记录下了这场疫情发展的时间轴。
我们使用MATLAB解决以下Lorenz初始值问题
最近我们一直在探索空间数据。事实证明,有一些很棒的R包可用于可视化此类数据。
我们进行了MIDAS回归分析,以预测季度GDP增长以及每月非农就业人数的增长。
本文简要介绍了一种简单的状态切换模型,该模型构成了隐马尔可夫模型(HMM)的特例。
使用ARIMA模型,您可以使用序列过去的值预测时间序列。
ARIMA模型是一种流行的且广泛使用的用于时间序列预测的统计方法。
本文描述了R语言中马尔克夫转换模型的分析过程。首先,对模拟数据集进行详细建模。接下来,将马尔可夫转换模型拟合到具有离散响应变量的真实数据集。用于验证对这些数据集建模的不同方法。
Groupon是一个优惠券推荐服务,您可以免费注册Groupon。
永远不要错过任何见解。当新文章发表时,我们会通过微信公众号向您推送。
技术干货
最新洞察
This will close in 0 seconds