添加链接 注册    登录
link管理
链接快照平台
  • 输入网页链接，自动生成快照
  • 标签化管理网页链接
相关文章推荐
寂寞的茄子  ·  黑山老妖是什么妖？倩女幽魂是什么梦？_澎湃号 ...·  2 周前    · 
活泼的莴苣  ·  解放思想、奋发进取 ...·  3 周前    · 
小眼睛的莲藕  ·  深圳市市场监督管理局药品零售经营企业监督检查 ...·  1 年前    · 
爱跑步的佛珠  ·  4. Surface Pro ...·  1 年前    · 
憨厚的大熊猫  ·  PostgreSQL : ...·  1 年前    · 
link管理  ›  Chapitre 15 GLMM Poisson | Atelier 7: Modèles linéaires et généralisés linéaires mixtes
https://r.qcbs.ca/workshop07/book-fr/glmm-poisson.html
不拘小节的单车
1 月前
  • Modèles linéaires à effets mixtes (MLM) en R
  • 1 Objectifs d’apprentissage
  • 2 Préparez-vous pour cet atelier
  • 3 Pourquoi choisir un MLM?
  • 4 Commencer par une question
  • 4.1 Défi 1
  • 5 Analyse des données
  • 5.1 Option 1: Nombreuses analyses séparées
  • 5.2 Option 2: Une analyse groupée
  • 5.3 Option 3: Est-ce qu’on a une autre option?
  • 6 Effets fixes vs effets aléatoires
  • 6.1 Effet fixe: processus déterministes
  • 6.2 Effet aléatoire: processus stochastiques
  • 7 Comment fonctionnent les MLMs?
  • 7.1 Les paramètres peuvent varier
  • Ordonnée à l’origine:
  • Pentes
  • 7.2 Tenir compte de la structure des données
  • 7.3 Défi 2
  • Implémenter un MLM dans R
  • 8 Le protocole pour implémenter des modèles à effets mixtes dans R
  • 9 Étape 1. Construction du modèle a priori
  • 9.1 Exploration des données
  • 9.2 Vérifier la colinéarité
  • 9.3 Défi 3
  • 9.4 Considérez l’échelle
  • 9.5 Avez-vous besoin d’un MLM?
  • 10 Étape 2. Coder le modèle
  • 10.1 Note sur les méthodes d’estimation
  • 10.2 Différentes structures de modèles
  • 10.3 Défi 4
  • 10.4 Défi 5
  • 10.5 Comparing models
  • 11 Step 3. Validation du modèle
  • 11.1 1. Vérifier l’homogénéité de la variance
  • 11.2 2. Vérifier l’indépendance des résidus
  • 11.3 3. Vérifier la normalité
  • 12 Step 4. Interprétation et visualisation
  • 12.1 Interprétation de notre modèle
  • 12.2 Défi 6
  • 12.3 Défi 7
  • 12.4 Défi 8
  • Modèles Linéaires Généralisés Mixtes (GLMMs) en R
  • 13 Introduction aux GLMM
  • 14 Choisir la distribution des erreurs
  • 15 GLMM Poisson
  • 16 GLMM binomiale négative
  • 17 GLMM Poisson-lognormale
  • 17.1 Intercepts aléatoires
  • 17.2 Représentation graphique des paramètres du modèle
  • 18 Modèle final
  • 18.1 Défi 9
  • Ressources additionnelles par LMM et GLMM
  • 19 Ressources additionnelles
  • 20 References
  • QCBS R Workshop Series
    •  
    推荐文章
    寂寞的茄子  ·  黑山老妖是什么妖？倩女幽魂是什么梦？_澎湃号·湃客_澎湃新闻-The Paper
    2 周前
    活泼的莴苣  ·  解放思想、奋发进取 河北省持续推进京津冀交通一体化发展-2025年在线访谈-中华人民共和国交通运输部
    3 周前
    小眼睛的莲藕  ·  深圳市市场监督管理局药品零售经营企业监督检查信息公示（2024第九期） - 药品监督 - 深圳市市场监督管理局龙岗监管局
    1 年前
    爱跑步的佛珠  ·  4. Surface Pro 4平板重装win10 · 【PC】电脑安装与维修（一克拉） · 看云
    1 年前
    憨厚的大熊猫  ·  PostgreSQL : Documentation: 9.6: 9.17. Conditional Expressions : Postgres Professional
    1 年前
    Link管理   ·   Sov5搜索   ·   小百科
    link管理 - 链接快照平台