R语言中GLM(广义线性模型),非线性和异方差可视化分析
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
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。
对于许多模型,例如逻辑模型,没有共轭先验分布。因此,吉布斯采样不适用。
金融分析师通常关心市场何时“发生变化”:几个月或者几年内市场的典型行为可以立即转变为非常不同的行为。
本文比较了几个时间序列模型,以预测SP 500指数的每日实际波动率。
在本文中,我将向您展示如何模拟股票价格的Heston随机波动率模型。
采样函数svsample需要其输入数据y是数值向量,而且没有任何缺失值(NA),如果提供其他任何内容,则会报错。
R2WinBUGS软件包提供了从R调用WinBUGS的便捷功能。
在本教程中,我们将研究如何将Nelson-Siegel-Svensson(NSS)模型拟合到数据。由于我们将使用随机技术进行优化,因此我们应该重新运行几次。变量nRuns设置示例重启的次数。
我们分析了已迁离北京的外来人口的月收入、性别、迁入北京和迁离北京的日期、教育程度和职业这些方面的数据。
我们要做的是:我们从一些收益率曲线开始,然后逐步地随机修改收益率,最后尝试拟合NS模型以新的收益。因此我们对此进行了模拟。
Nelson-Siegel- [Svensson]模型是拟合收益曲线的常用方法。
虽然期望债券不会出现负利率,但也不是完全看不到。在危机时期,政府债券甚至公司债券都可以以负收益率交易(例如雀巢)。
本教程的主要目的是找到模型和检验关于这些特征与学生受欢迎程度(根据其同学)之间的关系的假设。
近年来,期权交易变得非常流行。 在这篇文章中,您将学习一种期权交易策略,可以用来以较低的价格购买自己喜欢的股票。期权是一种衍生工具。
这篇文章的目的是指导读者逐步使用R编程语言实现Nelson-Siegel模型的步骤。
我想研究如何使用pymc3在贝叶斯框架内进行线性回归。根据从数据中学到的知识进行推断。
最近我们被客户要求撰写关于吉布斯采样的研究报告。
R语言中的风险价值模型度量指标TVaR与VaR
由于新型冠状病毒感染的肺炎疫情影响,剧烈增长的市场需求助推了在线教育的发展,同时也暴露了一些问题。
在这篇文章中,我将从一个基本的线性模型开始,然后从那里尝试找到一个更合适的线性模型。 由于空气质
尽管线性模型是最简单的机器学习技术之一,但它们仍然是进行预测的强大工具。
R语言中回归和分类模型选择的性能指标
概率编程使我们能够实现统计模型,而不必担心技术细节。
R语言中敏感性和特异性、召回率和精确度作为选型标准的华夫图案例
对于分类问题,通常根据与分类器关联的混淆矩阵来定义分类器性能。
在强化学习中,我们有兴趣确定一种最大化获取奖励的策略。假设环境是马尔可夫决策过程 (MDP)的理想模型 ,我们可以应用动态编程方法来解决强化学习问题。
R语言自定义两种统计量度:平均值和中位数,何时去使用?
R语言中绘制箱形图的替代品:蜂群图和小提琴图
在这里,我将讨论哪些函数可用于处理正态分布:dnorm,pnorm,qnorm和rnorm。 概率密度函数(P
本文使用模拟数据比较了标准最小二乘法和lasso回归。
在本文中,我描述了如何在CRAN中搜索用于绘制ROC曲线的包,并重点介绍了六个有用的包。
在本节中,我将重点介绍使用集成嵌套 拉普拉斯近似方法的贝叶斯推理。
用户和产品的潜在特征编写推荐系统矩阵分解工作原理使用潜在表征来找到类似的产品。
本文档用于比较六个不同统计软件程序(SAS,Stata,HLM,R,SPSS和Mplus)的两级多层(也称分层或层次)线性模型的过程和输出。
在评估结构方程模型的拟合,很常见的应用是研究χ2进行测试
R语言中小样本违反异方差性的线性回归
本教程介绍了生存分析,以及如何在R中进行生存分析
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