1.r中進行單變數檢驗用chisq.test()函式，變數必須是數值型
2.在進行多變數進行多元驗證正太分布時用
library("mvnormtest", lib.loc="d:/rinstall/r-3.2.1/library")
切記資料集一定要轉換為矩陣，且資料集裡面的待驗證變數一定要是數值型
> library(mvnormtest)
> data(eustockmarkets)
> eustockmarkets[1:5,]
dax smi cac ftse
[1,] 1628.75 1678.1 1772.8 2443.6
[2,] 1613.63 1688.5 1750.5 2460.2
[3,] 1606.51 1678.6 1718.0 2448.2
[4,] 1621.04 1684.1 1708.1 2470.4
[5,] 1618.16 1686.6 1723.1 2484.7
> c <- t(eustockmarkets[15:29,1:4])
> mshapiro.test(c)
shapiro-wilk normality test
data: z
w = 0.8161, p-value = 0.005955
> r <- t(diff(t(log(c))))
> mshapiro.test(r)
shapiro-wilk normality test
data: z
w = 0.8841, p-value = 0.06641
當p值大於0.05說明是正太分布。
R 多元正態密度函式計算
r中計算多元正態密度函式可以使用mvtnorm包中的dmvnorm函式。dvnorm x,mu,sigma,log t f x為服從多元正態分佈的隨機向量 mu和sigma分別為多元正態均值和協方差陣 可以是對角陣或者非對角陣 log t時，對密度取自然對數 當x為維時，輸出結果與dnorm相同 可...
R語言多元線性回歸
1 根據業務經驗挑選出可能對 目標變數有影響的指標 2 將這些指針對目標變數做相關性分析cor 挑選出相關係數較大的指標進一步分析 3 檢驗這些指標與目標變數是否線性關係，一般可以plot 檢驗，如果非線性，嘗試做平方或開方等方法使之變成線性 3 將相關係數較大的指標全部作為解釋變數做多遠線性回歸l...
R語言多元線性回歸
toothpaste data.frame x1 c 0.05,0.25,0.60,0,0.25,0.20,0.15,0.05,0.15,0.15,0.20,0.10,0.40,0.45,0.35,0.30,0.50,0.50,0.40,0.05,0.05,0.10,0.20,0.10,0.50,0...