- •Version 3.1.0 (2014-04-10)
- •1.Введение и предварительные замечания 8
- •6.Списки и фреймы данных 37
- •11.Статистические модели в r 64
- •12.Графические процедуры 78
- •13.Пакеты 97
- •Предисловие
- •Предложения читателю
- •О переводе
- •Введение и предварительные замечания
- •Среда r
- •Связанное программное обеспечение и документация
- •R и статистика
- •R и оконная система
- •Использование r в интерактивном режиме
- •Первый сеанс
- •Получение справки по функциям и средствам
- •Команды r,учет регистра и т.Д.
- •Повтор и коррекция предыдущих команд
- •Выполнение команд из файла или перенаправление вывода в файл
- •Сохранение данных и удаление объектов
- •Простые манипуляции; числа и векторы
- •Вектора и присваивания
- •Векторная арифметика
- •Генерация регулярных последовательностей
- •Логические векторы
- •Пропущенные значения
- •Векторы символов
- •Векторы индексов; выбор и изменение подмножеств наборов данных
- •Другие типы объектов
- •Объекты, их режимы и атрибуты
- •Внутренние атрибуты: режим и длина
- •Изменяющаяся длина объекта
- •Получение и установка атрибутов
- •Класс объекта
- •Упорядоченные и неупорядоченные факторы
- •Специальный пример
- •Функция tapply () и массивы с переменной длиной строк
- •Упорядоченные факторы
- •Массивы и матрицы
- •Массивы
- •Индексация массива. Подразделы массива
- •Индекс матрицы
- •Функция array()
- •Смешанный вектор и арифметика массива. Правило рециркуляции
- •Внешнее произведение двух массивов
- •Обобщенное транспонирование массива
- •Матричные инструменты
- •Умножение матриц
- •Линейные уравнения и инверсия
- •Собственные значения и собственные векторы
- •Сингулярное разложение и определители
- •Подгонка методом наименьших квадратов и qr разложение
- •Формирование разделенных матриц cbind () и rbind ()
- •Функция связывания массивовc()
- •Таблицы частот от факторов
- •Списки и фреймы данных
- •Построение и изменение списков
- •Конкатенация списков
- •Фреймы данных
- •Создание фреймов данных
- •Attach() и detach()
- •Работа с фреймами данных
- •Присоединение произвольных списков
- •Управление путем поиска
- •Чтение данных из файлов
- •Функция read.Table()
- •Функция scan()
- •Доступ к встроенным наборам данных
- •Загрузка данных из других пакетов r
- •Редактирование данных
- •Распределение вероятности
- •R как ряд статистических таблиц
- •Исследование распределения набора данных
- •Тесты на одной и двух выборках
- •Группировка, циклы и условное выполнение
- •Группирующие выражения
- •Проверка утверждения
- •Условное выполнение: операторы if
- •Повторное выполнение: for, loops, repeat и while
- •Написание собственных функций
- •Простые примеры
- •Определение новых бинарных операторов
- •Именованные параметры и умолчания
- •Параметр ‘...’
- •Присвоения в пределах функций
- •Более сложные примеры
- •Фактор эффективности при проектировании блоков
- •Отбрасывание всех имен при печатании массива
- •Рекурсивное числовое интегрирование
- •Область действия
- •Настройка окружения
- •Классы, универсальные функции и объектно-ориентированное программирование
- •Статистические модели в r
- •Определение статистических моделей; формулы
- •Примеры
- •Противопоставления
- •Линейные модели
- •Универсальные функции для извлечения информации о модели
- •Дисперсионный анализ и сравнение модели
- •Таблицы anova
- •Обновление подогнанных моделей
- •Обобщенные линейные модели
- •Семейства
- •Функция glm()
- •Нелинейные наименьшие квадраты и модели наибольшего правдоподобия
- •Наименьшие квадраты
- •Метод максимального правдоподобия
- •Некоторые нестандартные модели
- •Графические процедуры
- •Высокоуровневые команды рисования
- •Функция plot()
- •Отображение многомерных данных
- •Графический вывод
- •Параметры для высокоуровневых графических функций
- •Низкоуровневые команды рисования
- •Математическая аннотация
- •Векторные шрифты Херши
- •Интерактивная графика
- •Использование графических параметров
- •Постоянные изменения: функция par()
- •Временные изменения: параметры для графических функций
- •Список графических параметров
- •Графические элементы
- •Оси и метки
- •Поля рисунка
- •Окружение составных фигур
- •Устройства вывода
- •PostScript диаграммы для типографии
- •Несколько графических устройств одновременно
- •Динамическая графика
- •Стандартные пакеты
- •Сторонние пакеты и cran
- •Пространства имен
- •Пакеты для анализа временных рядов
- •Основные пакеты - Basics
- •Время и даты -Times and Dates
- •Классы временных рядов - Time Series Classes
- •Прогноз и одномерное моделирование -Forecasting and Univariate Modeling
- •Ресэмплирование - Resampling
- •Декомпозиция и фильтрация - Decomposition and Filtering
- •Стационарность, единичный корень и коинтеграция - Stationarity, Unit Roots, and Cointegration
- •Нелинейный анализ временных рядов -Nonlinear Time Series Analysis
- •Модели динамических регрессий - Dynamic Regression Models
- •Модели многомерных временных рядов - Multivariate Time Series Models
- •Модели непрерывного времени - Continuous time models
- •Исходные временные ряды - Time Series Data
- •Разное - Miscellaneous
- •Перечень пакетов для анализа временных рядов:
- •• Aer • afmtools • bayesGarch
- •Приложение a. Примерный сеанс
- •Приложения b. Вызов r
- •В.1. Вызов r из командной строки
- •В.2. Вызов r под Windows
- •В.3. Вызов r под os X
- •В.4. Скрипты r
- •Приложение c. Редактор командной строки
- •Приложение f. Ссылки
Прогноз и одномерное моделирование -Forecasting and Univariate Modeling
Пакет forecastобеспечивает класс и методы для одномерных прогнозов временного ряда, и обеспечивает много функций, реализовывая различные модели прогноза, включая все из пакета статистик.
Экспоненциальное сглаживание:HoltWinters()в статистиках предоставляет некоторым базовым моделям частную оптимизацию,ets()из пакетаforecastобеспечивает больший набор моделей и средств с полной оптимизацией.
Авторегрессивные модели:ar()в статистиках (с выбором модели),FitARдля подмножества моделей AR, иpearдля периодических авторегрессивных моделей временного ряда.
Модели ARIMA:
arima()в статистиках является основной функцией для ARIMA, SARIMA, ARIMAX, и подмножества модели ARIMA. Это улучшено в пакете прогноза наряду сauto.arima()для автоматического выбора порядка.
arma()в пакетеtseriesобеспечиваются различные алгоритмы для моделей ARMA и ее подмножеств;
FitARMAреализует быстрый алгоритм MLE для моделей ARMA. Некоторые услуги для дробных дифференцированных моделей ARFIMA предоставлены в пакетеfracdiff.afmtoolsпроводит оценку, диагностику и прогноз для моделей ARFIMA.armaFit()из пакетаfArmaявляется интерфейсом для ARIMA и моделей ARFIMA. Пакетgsarimaсодержит функции для имитации обобщенной модели временного ряда SARIMA. Пакетmar1sобрабатывает мультипликативный AR(1) с сезонными процессами.
Модели GARCH:
garch()изtseriesподгоняет основным моделям GARCH,garchFit()изfGarchреализует модели ARIMA с широким классом инноваций GARCH.
bayesGARCHоценивает Байесовскую модель GARCH(1,1) сtинновациями.
gogarchреализует модель Обобщенной Ортогональной GARCH (GOGARCH).
Проект R-Forge rgarchстремится обеспечивать гибкое и богатое моделирование GARCH и тестовую среду, включая одномерные и многомерные пакеты GARCH. На его веб-странице есть обширная информация и примеры.
Разное:ltsaсодержит методы для линейного анализа временных рядов,dlmдля Байесового анализа динамических линейных моделей, timsacдля анализа временных рядов и управления,BootPRдля исправления смещения прогноза и интервалов прогноза загрузки для авторегрессивного временного ряда.
Ресэмплирование - Resampling
Бутстрэппинг: пакет bootобеспечивает функциюtsboot()для бутстрэпинга временного ряда, включая блочный бутстрэпинг с несколькими разновидностями.tsbootstrap()отtseriesобеспечивает быстрый стационарный и блочный бутстрэпинг. Максимальная энтропия бутстрэпинга для временного ряда доступна вmeboot.
Декомпозиция и фильтрация - Decomposition and Filtering
Фильтры:filters()в статистиках обеспечивает авторегрессивную и скользящего среднего линейную фильтрацию многих временных рядов одной переменной. Пакетrobfilterобеспечивает несколько устойчивых фильтров временного ряда, в то время какmFilterвключает разные фильтры временного ряда, полезные для сглаживания и извлечения тренда и циклических компонентов.
Разложение: классическое разложение обеспечено черезdecomposition(),более усовершенствованное и гибкое разложение - доступно путем использованияstl(),оба из основного пакета статистик.
Методы вейвлета: пакет вейвлетов включает вычислительные фильтры вейвлета, преобразования вейвлета и анализы мультиразрешения. Методы вейвлета для анализа временных рядов, основанного на Персивале и Уолдене (2000), даны вwmtsa.
Дальнейшие методы вейвлета могут быть найдены в пакетах rwt, waveslimиwavethresh.Разное:
signalextractionдля экстракции сигнала в реальном времени (прямой подход фильтра).bspecдля Байесового вывода на дискретном спектре мощности временного ряда. kza обеспечивает Колмогоровские-Zurbenko Адаптивные Фильтры включая обнаружение разрыва, спектральный анализ, вейвлеты и Фурье Трансформа KZ.
quantspecвключает методы вычисления и рисования периодограммы Лапласа
для одномерного временного ряда.
Rssaобеспечивает быструю реализацию Сингулярного Анализа Спектра для разложения временного ряда.