مقالات

11.1: حزمة المؤامرات


هناك حزمة تخطيط بسيطة نسبيًا ولكنها قوية تسمى Plots ولا تنس تنزيلها كما في الملحق XXX. الوثائق الكاملة موجودة على موقع Plots.jl. تذكر أنه بمجرد إضافة الحزمة ، أدخل

تحاول حزمة المؤامرات توحيد بناء الجملة لتخطيط أي شيء. الأمر الأساسي لتخطيط البيانات أو الوظائف في 2D هوقطعةالأمر الذي يحاول رسم أي كائن يمكن رسمه. الأمثلة القليلة التالية توضح ذلك.

وظائف التآمر

لتخطيط دالة ، ما عليك سوى استدعاء مؤامرة على الوظيفة:

ملاحظة: إذا كنت تقوم بتشغيل هذا على جهاز الكمبيوتر الخاص بك ، فقد تبدو قطعة الأرض الخاصة بك مختلفة قليلاً عن تلك التي تحتوي على خطوط مختلفة. هذا يرجع بشكل أساسي إلى استخدام خلفية مختلفة ، كما هو موضح أدناه.

إذا كنت تريد تحديد نطاق x ، فجرب:

إذا أردنا رسم دالتين أو أكثر على نفس المحاور ، فمرر في مجموعة من الوظائف مثل:

سنرى أيضًا أدناه كيفية تغيير الجوانب الأخرى من الحبكة بما في ذلك وسيلة الإيضاح والعنوان والتسميات على المحاور وما إلى ذلك.

ممارسه الرياضه

ارسم الدالات (f (x) = e ^ {- x ^ 2}، g (x) = ln (x) ) على الفاصل ([- 3،3] )


بحار 0.11.1

Seaborn هي مكتبة لعمل رسومات إحصائية في بايثون. إنه مبني على قمة matplotlib ومتكامل بشكل وثيق مع هياكل بيانات الباندا.

فيما يلي بعض الوظائف التي يوفرها seaborn:

  • واجهة برمجة تطبيقات موجهة لمجموعة البيانات لفحص العلاقات بين المتغيرات المتعددة
  • دعم متخصص لاستخدام المتغيرات الفئوية لإظهار الملاحظات أو الإحصائيات الإجمالية
  • خيارات لتصور التوزيعات أحادية المتغير أو ثنائية المتغير ومقارنتها بين مجموعات فرعية من البيانات
  • التقدير والتخطيط التلقائي لنماذج الانحدار الخطي لأنواع مختلفة من المتغيرات التابعة
  • طرق عرض ملائمة للهيكل العام لمجموعات البيانات المعقدة
  • تجريدات عالية المستوى لهيكلة شبكات متعددة القطع تتيح لك إنشاء تصورات معقدة بسهولة
  • تحكم دقيق في تصميم الشكل matplotlib مع العديد من السمات المضمنة
  • أدوات لاختيار لوحات الألوان التي تكشف بأمانة عن أنماط في بياناتك

يهدف Seaborn إلى جعل التصور جزءًا أساسيًا من استكشاف البيانات وفهمها. تعمل وظائف التخطيط الموجهة نحو مجموعة البيانات الخاصة بها على أطر البيانات والمصفوفات التي تحتوي على مجموعات بيانات كاملة وتؤدي داخليًا التخطيط الدلالي الضروري والتجميع الإحصائي لإنتاج قطع إعلامية.


أذكر ذلك ، الوظيفة ggsave ()[في ggplot2 package] يمكن استخدامها لحفظ ggplots. ومع ذلك ، عند العمل مع راعي البقر، الوظيفة save_plot () [في راعي البقر حزمة] المفضل. إنه بديل لـ ggsave مع دعم أفضل للمخططات متعددة الأشكال.


أفضل 100 حزم لعام 2013 (يناير-مايو)!

ما هي حزم R الأعلى 100 (الأكثر تنزيلًا) في 2013؟ بفضل الإصدار الأخير من RStudio من ملفات سجل & # 82200-cloud & # 8221 CRAN (ولكن بدون تضمين التنزيلات من مرآة CRAN الأساسية أو أي من مرايا CRAN الأخرى البالغ عددها 88) ، يمكننا الآن الإجابة على هذا السؤال (على الأقل بالنسبة لـ أشهر يناير حتى مايو)!

من خلال الاعتماد على الكود الجميل الذي كتبه Felix Schonbrodt مؤخرًا لتتبع تنزيلات الحزم ، قمت بتحديث حزمة installr R الخاصة بي بوظائف تمكن المستخدم من تنزيل وتصور شعبية حزم R بسهولة بمرور الوقت. في هذا المنشور سوف أشارك بعض المؤامرات الرائعة والرؤى السريعة التي يمكن تكوينها من هذه البيانات الرائعة. تم تقديم رمز هذا التحليل في نهاية هذا المنشور.

أعلى 8 حزم R الأكثر تنزيلًا & # 8211 تنزيلًا بمرور الوقت

دع & # 8217s أولاً نلقي نظرة على عدد التنزيلات يوميًا لهذه الأشهر الخمسة ، من أفضل 8 حزم تم تنزيلها (انقر فوق الصورة للحصول على إصدار أكبر):

يمكننا أن نرى الموسمية الأسبوعية القوية للتنزيلات ، مع تنزيلات أقل بكثير من أيام السبت والأحد مقارنة بالأيام الأخرى. هذا ليس مفاجئًا لأننا نعلم أن البلدان التي تستخدم R أكثر لديها هذه الأيام كأيام راحة (انظر James Cheshire & # 8217s خريطة العالم لمستخدمي R). من المثير للاهتمام أيضًا ملاحظة كيف أن بعض الحزم لها قمم استثنائية في بعض التواريخ. على سبيل المثال ، أتساءل ما الذي حدث في 23 يناير 2013 عندما حصلت حزمة الملخصات فجأة على الكثير من التنزيلات ، أو أن مساحة الألوان بدأت في الحصول على المزيد من التنزيلات اعتبارًا من 15 أبريل 2013.

& # 8220Family tree & # 8221 من أفضل 100 حزمة R الأكثر تنزيلًا

يمكننا استخراج من هذه البيانات أفضل 100 حزمة R الأكثر تنزيلًا. علاوة على ذلك ، يمكننا إنشاء مصفوفة توضح لكل حزمة أي من المعرفات الفريدة (عناوين IP الخاضعة للرقابة) ، تم تنزيل الحزمة. باستخدام مصفوفة المؤشر هذه ، يمكننا تحديد & # 8220similarity & # 8221 (أو المسافة) بين كل حزمتين ، وبناءً على ذلك يمكننا إنشاء تجميع هرمي للحزم & # 8211 يوضح الحزم & # 8220 التي تسير على طول & # 8221 معها واحد اخر.

مع هذا التحليل ، يمكنك حدد موقع الحزمة في القائمة التي تستخدمها غالبًا ، ثم انظر إلى أي منها الحزم الأخرى & # 8220 ذات الصلة & # 8221 لتلك الحزمة . إذا كنت لا تعرف هذه الحزمة & # 8211 ، ففكر في إلقاء نظرة عليها & # 8211 نظرًا لأن مستخدمي R الآخرين يجدون بوضوح الحزمتين & # 8220 of use & # 8221.

يمكن (ويجب) تمديد هذا التحليل. على سبيل المثال ، يمكننا تخيل إنشاء & # 8220 اقتراح حزمة & # 8221 ميزة بناءً على هذه البيانات ، باستخدام الحزمة التي تستخدمها ونظام التشغيل الذي تستخدمه والمعلمات الأخرى. لكن مثل هذا الترميز خارج نطاق هذا المنشور.

هنا هو & # 8220 شجرة العائلة & # 8221 (dendrogram) من الحزم ذات الصلة :

لتسهيل التنقل ، إليك جدول به روابط لأفضل 100 حزمة ، وروابطهم:

صفقةلقبالتحميلات
1 plyr أدوات لتقسيم وتطبيق ودمج البيانات84049
2 استوعب إنشاء ملخصات تجزئة مشفرة لكائنات R.83192
3 ggplot2 تنفيذ القواعد النحوية للرسومات82768
4 فضاء الألوان التلاعب بمساحة اللون81901
5 سلسلة اجعل من السهل التعامل مع السلاسل77658
6 RColorBrewer لوحات ColorB Brewer66783
7 إعادة تشكيل 2 إعادة تشكيل البيانات بمرونة: إعادة تشغيل حزمة تغيير الشكل64911
8 حديقة حيوان البنية التحتية S3 للسلاسل الزمنية المنتظمة وغير المنتظمة (Z & # 8217s
أمرت الملاحظات)
60844
9 بروتو النموذج الأولي للبرمجة القائمة على الكائن59043
10 مقاييس وظائف مقياس للرسومات58369
11 السيارات رفيق الانحدار التطبيقي57453
12 ثنائي اللون مخططات الألوان للديكروماتس56624
13 gtable ترتيب اليرقات في الجداول54431
14 مونسيل نظام ألوان مونسيل53183
15 وضع العلامات وسم المحور51877
16 هميسك متفرقات هاريل47836
17 راجافا واجهة R منخفضة المستوى لجافا47731
18 mvtnorm التوزيعات العادية ومتعددة المتغيرات46884
19 بتوبس عمليات Bitwise45689
20 rgl نظام جهاز التصور ثلاثي الأبعاد (OpenGL)41001
21 أجنبي قراءة البيانات المخزنة بواسطة Minitab، S، SAS، SPSS، Stata، Systat، dBase،
..
37849
22 XML أدوات لتحليل وإنشاء XML داخل R و S-Plus37153
23 بنية رسومات شعرية36597
24 e1071 وظائف متنوعة من قسم الإحصاء (e1071) ، TU Wien35180
25 gtools أدوات برمجة متنوعة من نوع R35028
26 ص فئات وطرق البيانات المكانية34786
27 gdata أدوات برمجة R متنوعة لمعالجة البيانات34262
28 Rcpp التكامل السلس R و C ++33929
29 كتلة وظائف الدعم ومجموعات البيانات لـ Venables و Ripley & # 8217s MASS33667
30 مصفوفة طرق وطرق المصفوفة المتفرقة والكثيفة30740
31 lmtest اختبار نماذج الانحدار الخطي30319
32 نجاة تحليل البقاء على قيد الحياة30186
33 caTools الأدوات: إحصاءات النافذة المتحركة ، GIF ، Base64 ، ROC AUC ، إلخ29945
34 multcomp الاستدلال المتزامن في النماذج البارامترية العامة29871
35 RCurl واجهة عميل الشبكة العامة (HTTP / FTP / & # 8230) لـ R28866
36 كنتر حزمة للأغراض العامة لإنشاء تقرير ديناميكي في R28104
37 xtable تصدير الجداول إلى LaTeX أو HTML28091
38 xts السلاسل الزمنية القابلة للتوسيع28058
39 rpart التقسيم العودي27812
40 تقييم أدوات التحليل والتقييم التي توفر تفاصيل أكثر من
إفتراضي
27617
41 RODBC الوصول إلى قاعدة بيانات ODBC26131
42 رباعي وظائف لحل مشاكل البرمجة التربيعية25433
43 سلسلة tseries تحليل السلاسل الزمنية والتمويل الحسابي25144
44 DBI واجهة قاعدة بيانات R24793
45 nlme نماذج التأثيرات المختلطة الخطية وغير الخطية24360
46 lme4 نماذج التأثيرات المختلطة الخطية باستخدام فئات S424199
47 إعادة تشكيل إعادة تشكيل البيانات بشكل مرن24118
48 ساندويتش مقدرات قوية لمصفوفة التغاير24016
49 قفزات اختيار مجموعة الانحدار الفرعية23666
50 gplots أدوات برمجة متنوعة R لتخطيط البيانات23251
51 ربط اجمع بين المصفوفات متعددة الأبعاد22758
52 عشوائي غابات Breiman and Cutler & # 8217s العشوائية للتصنيف و
تراجع
22401
53 Rcmdr قائد R22131
54 كودا تحليل المخرجات والتشخيص لـ MCMC21900
55 خرائط ارسم خرائط جغرافية21550
56 igraph تحليل الشبكة والتصور21423
57 formatR تنسيق R Code تلقائيًا21049
58 maptools أدوات لقراءة الأشياء المكانية والتعامل معها20957
59 RSQLite واجهة سكليتي لـ R.19671
60 نفسية إجراءات علم النفس والقياس النفسي والشخصية
بحث
19545
61 كيرنسموث وظائف تجانس النواة لـ Wand & ampamp Jones (1995)19166
62 رجدال ارتباطات مكتبة تجريد البيانات الجغرافية المكانية19064
63 أرماديلو تكامل Rcpp لمكتبة الجبر الخطي النموذجية في Armadillo18899
64 تأثيرات يعرض التأثير للخطي ، الخطي المعمم ،
نماذج اللوغاريتمات متعددة الحدود والنماذج المنطقية ذات الاحتمالات النسبية و
نماذج التأثيرات المختلطة
18843
65 sem نماذج المعادلات الهيكلية18711
66 vcd تصور البيانات الفئوية18589
67 XLConnect موصل Excel لـ R18230
68 تخفيض السعر تقديم Markdown لـ R18211
69 السلاسل الزمنية Rmetrics & # 8211 كائنات السلاسل الزمنية المالية17932
70 الوقت التاريخ Rmetrics & # 8211 كائنات كرونولوجية وتقويم17838
71 رجسونيو تسلسل كائنات R إلى JSON و JavaScript Object Notation17801
72 العنقودية تمديد تحليل الكتلة Rousseeuw et al17136
73 scatterplot3d مؤامرة مبعثرة ثلاثية الأبعاد17110
74 nnet الشبكات العصبية ذات التغذية الأمامية والنماذج الخطية متعددة الحدود17074
75 أساسيات f Rmetrics & # 8211 الأسواق والإحصاءات الأساسية16278
76 تنبؤ بالمناخ وظائف التنبؤ للسلاسل الزمنية والنماذج الخطية15638
77 كوانتريج الانحدار الكمي15509
78 foreach بناء حلقات Foreach لـ R15405
79 كرون كائنات مرتبة زمنيًا يمكنها التعامل مع التواريخ والأوقات15226
80 مؤامرة وظائف التخطيط المختلفة15142
81 ماتريكس مجموعة من الوظائف لحسابات المصفوفة15107
82 aplpack حزمة مؤامرة أخرى: stem.leaf و bagplot و faces و spin3R و
بعض وظائف شريط التمرير
14654
83 strucchange اختبار ومراقبة وتأريخ التغييرات الهيكلية14503
84 التكرارات بناء التكرار لـ R14449
85 mgcv مركبة حسابية مختلطة GAM بسلاسة GCV / AIC / REML
تقدير
14186
86 kernlab معمل تعلم الآلة القائم على النواة14135
87 متفرق متفرقة الجبر الخطي13921
88 شجرة التصنيف والانحدار الأشجار13871
89 قاعدة قوية إحصائيات أساسية قوية13778
90 نباتي حزمة البيئة المجتمعية13686
91 devtools أدوات لجعل تطوير كود R أسهل13488
92 شعرية إضافية المرافق الرسومية الإضافية على أساس شعرية13253
93 modeltools أدوات وفصول للنماذج الإحصائية13233
94 xlsx قراءة ملفات Excel 2007 و Excel 97/2000 / XP / 2003 وكتابتها وتنسيقها13097
95 ضربة عنيفة المصفوفات والمصفوفات خفيفة الوزن المتناثرة13060
96 TTR قواعد التداول الفنية12894
97 كوانتمود إطار النمذجة المالية الكمية12892
98 ريلايمب المساهمة النسبية للتأثيرات في نموذج الانحدار12692
99 أكيما استيفاء البيانات المتباعدة بشكل غير منتظم12680
100 مذكرة وظائف Memoise12600

كود R.

أتمنى أن تكون قد وجدت هذا المنشور مفيدًا ، وأن تجد طرقًا جديدة لاستخدام مجموعة البيانات الشيقة هذه. لاحظ أن هناك مشكلات تتعلق بمدى تمثيل هذه الأرقام لـ & # 8220 الحقيقة & # 8221 ، ولكن في الوقت الحالي ، فهي أكثر التقديرات إثارة للاهتمام التي أعرفها.


إستعمال

يمكن استخدام اللوحة في مجموعة واسعة من بيئات التطوير:

محرر + خادم

يمكنك تحرير رمز اللوحة الخاص بك كملف .py في أي محرر نصوص ، ووضع علامة على الكائنات التي تريد عرضها على أنها قابلة للخدمة () ، ثم قم بتشغيل خادم مع لوحة تخدم my_script.py - اعرض لفتح علامة تبويب متصفح تعرض تطبيقك أو لوحة القيادة ومدعومة بعملية بايثون الحية.

دفتر JupyterLab و Classic

في بيئة دفتر Jupyter الكلاسيكي و JupyterLab ، تأكد أولاً من تحميل pn.extension (). ستعرض كائنات اللوحة نفسها إذا كانت العنصر الأخير في خلية دفتر ملاحظات. بالنسبة لإصدارات jupyterlab & gt = 3.0 ، يتم تجميع الامتداد الضروري تلقائيًا في حزمة pyviz_comms ، والتي يجب أن تكون & gt = 2.0. ومع ذلك ، لاحظ أنه بالنسبة لإصدار jupyterlab & lt3.0 ، يجب عليك أيضًا تثبيت امتداد JupyterLab يدويًا مع:

جوجل كولاب

في Google Colaboratory ، يتم عزل العرض لكل خلية في دفتر الملاحظات ، مما يعني أنه يجب على كل خلية إعادة تحميل رمز ملحق اللوحة بشكل منفصل. يمكن للوحة القيام بذلك تلقائيًا عند تحميل الامتداد لأول مرة إذا أعلنت أنك تعمل في Colab: pn.extension (comms = 'colab'). وإلا فستحتاج إلى وضع pn.extension () في كل خلية تريد عرض إخراج اللوحة فيها. في كلتا الحالتين ، يجب أن تكون قادرًا على الوصول إلى جميع وظائف اللوحة ، على الرغم من أن حجم الكمبيوتر الدفتري أكبر من تقنيات الكمبيوتر الدفتري الأخرى التي تسمح بمشاركة رمز العرض عبر الخلايا.

VSCode

تدعم إصدارات Visual Studio Code (VSCode) 2020.4.74986 والإصدارات الأحدث ipywidgets ، ويمكن استخدام كائنات اللوحة كـ ipywidgets منذ Panel 0.10 بفضل jupyter_bokeh ، مما يعني أنه يمكنك الآن استخدام مكونات اللوحة بشكل تفاعلي في VSCode. تأكد من تثبيت jupyter_bokeh باستخدام pip install jupyter_bokeh أو conda install -c bokeh jupyter_bokeh ثم قم بتمكين الامتداد باستخدام pn.extension (comms = 'vscode').

Nteract وغيرها من أجهزة الكمبيوتر المحمولة ipywidgets

في بيئات أجهزة الكمبيوتر المحمولة الأخرى التي تدعم عرض ipywidgets بشكل تفاعلي ، مثل nteract ، يمكنك استخدام نفس دعم ipywidgets الأساسي كما في vscode: قم بتثبيت jupyter_bokeh ثم استخدام pn.extension (comms = 'ipywidgets').

بيئات أخرى

إذا كانت بيئة التطوير لديك تقدم عمليات Python المضمنة ولكنها لا تدعم ipywidgets أو Jupyter "comms" (قنوات الاتصال) ، فستلاحظ أن بعض الوظائف التفاعلية أو كلها مفقودة. ستعمل بعض الأدوات التي تعمل في JavaScript فقط بشكل جيد ، لكن البعض الآخر يتطلب قنوات اتصال بين JavaScript و Python. في مثل هذه الحالات ، يمكنك إما طلب ipywidgets أو دعم اللوحة من المحرر أو البيئة ، أو استخدام أسلوب Editor + Server أعلاه.


إصدار التحميلات آخر تحديث
11.2.1 16𧇝 28.06.2021
11.2.0 30𧐩 13.06.2021
11.1.3-لاغية-تعداد -0003 3𧄀 09.04.2021
11.1.1 313𧌃 09.04.2021
11.1.0 9𧆥 08.04.2021
11.0.1 22𧄇 01.04.2021
10.1.0 11𧉜 31.03.2021
10.0.0 12𧉼 27.03.2021
9.1.4 1𧅐𧊛 15.01.2021
8.1.2 3𧌛𧋈 28.05.2020
8.1.0 1𧆨𧉡 18.01.2020
8.0.0 1𧍈𧇵 19.10.2019
7.0.0 218𧉃 28.09.2019
6.1.2 1𧉟𧇙 20.07.2019
6.1.1 279𧈂 04.06.2019
6.0.0 4𧓔𧍯 15.03.2019
5.4.0 204𧏀 12.02.2019
5.3.1 1𧍑 12.02.2019
5.3.0 573𧐙 05.12.2018
5.1.0 988𧉆 21.09.2018
أظهر المزيد
  • آخر تحديث 09.04.2021
  • موقع المشروع
  • /> مستودع المصدر
  • معلومات الترخيص
  • أصحاب الاتصال
  • نقل
  • تحميل الحزمة (690.48 كيلو بايت)
  • افتح في Package Explorer
  • /> فتح في FuGet Package Explorer

نماذج الانحدار التلقائي - AR (p)

عندما يتراجع المتغير التابع مقابل واحدة أو أكثر من القيم المتأخرة في حد ذاته ، يُطلق على النموذج اسم الانحدار التلقائي. تبدو الصيغة كما يلي:

عندما تصف ملف "طلب" من النموذج ، كما هو الحال في نموذج AR من أجل "p" ، يمثل p عدد المتغيرات المتأخرة المستخدمة داخل النموذج. على سبيل المثال نموذج AR (2) أو الدرجة الثانية يبدو نموذج الانحدار التلقائي كما يلي:

هنا ، ألفا (أ) هو المعامل ، وأوميغا (ث) هو مصطلح ضوضاء بيضاء. لا يمكن أن تساوي Alpha الصفر في نموذج AR. لاحظ أن نموذج AR (1) مع مجموعة ألفا تساوي 1 هو أ مشي عشوائي وبالتالي ليست ثابتة.

نموذج AR (1) مع alpha = 1 مشي عشوائي

لنحاكي نموذج AR (1) مع مجموعة ألفا تساوي 0.6

كما هو متوقع ، فإن توزيع نموذج AR (1) المحاكي الخاص بنا أمر طبيعي. هناك ارتباط تسلسلي كبير بين القيم المتأخرة خاصة في التأخر 1 كما يتضح من مؤامرة PACF.

الآن يمكننا أن نلائم نموذج AR (p) باستخدام نماذج الإحصائيات في Python. أولاً ، نلائم نموذج AR مع بياناتنا المحاكاة ونعيد معامل ألفا المقدّر. ثم نستخدم وظيفة statsmodels "اختر طلبا()" لمعرفة ما إذا كان النموذج المناسب سيحدد التأخير الصحيح. إذا كان نموذج AR صحيحًا ، فسيكون معامل ألفا المقدر قريبًا من ألفا الحقيقي البالغ 0.6 وسيساوي الترتيب المحدد 1.

يبدو أننا تمكنا من استعادة المعلمات الأساسية لبياناتنا المحاكاة. لنحاكي عملية AR (2) باستخدام alpha_1 = 0.666 و alpha_2 = -0.333. لهذا نستفيد من statsmodel's "arma_generate_samples ()" وظيفة. تتيح لنا هذه الوظيفة محاكاة نموذج AR للأوامر التعسفية. لاحظ أن هناك بعض الخصائص المميزة لإصدار Python والتي تتطلب منا اتخاذ بعض الخطوات الإضافية قبل استخدام الوظيفة.

محاكاة AR (2) مع alpha_1 = 0.666 و alpha_2 = -0.333

دعونا نرى ما إذا كان بإمكاننا استعادة المعلمات الصحيحة.

ليس سيئا. دعونا نرى كيف سيتناسب نموذج AR (p) مع عائدات سجل MSFT. هنا هو عودة TS.

يقوم سجل MSFT بإرجاع السلاسل الزمنية

أفضل ترتيب هو 23 تأخرًا أو 23 معلمة! من غير المحتمل أن يكون أي نموذج به العديد من المعلمات مفيدًا في الممارسة العملية. من الواضح أن هناك تعقيدًا وراء عملية الإرجاع أكثر مما يمكن أن يفسره هذا النموذج.


كيف تحصل على هذا التحديث

Windows Update و Microsoft Update

لا أحد. سيتم تنزيل هذا التحديث وتثبيته تلقائيًا من Windows Update. تم تسمية التحديث ميزة التحديث إلى Windows 10 ، الإصدار 1909.

هذا التحديث متاح فقط من خلال قنوات الإصدار الأخرى.

خدمات تحديث خادم Windows (WSUS)

سيتم مزامنة هذا التحديث تلقائيًا مع WSUS إذا قمت بالتكوين المنتجات والتصنيفات على النحو التالي:

منتج: Windows 10 ، الإصدار 1903 والإصدارات الأحدث

تصنيف: ترقيات

المتطلبات الأساسية

يجب أن يكون لديك المتطلبات الأساسية التالية مثبتة قبل تطبيق هذا التحديث:

أعد تشغيل المعلومات

يجب إعادة تشغيل جهازك بعد تطبيق هذا التحديث.

تحديث معلومات الاستبدال

لا يحل هذا التحديث محل أي تحديث تم إصداره مسبقًا.


11.1: حزمة المؤامرات

Если вы работаете в ديبيان، для загрузки и установки пакетов настоятельно советуем использовать менеджер пакетов، например الاستعداد или متشابك، а не делать это вручную через данный сайт.

спользуйте любой из серверов-зеркал، добавив его в свой файл /etc/apt/sources.list، например так:

Заменив ftp.de.debian.org/debian нужным сервером.

ы можете скачать требуемый файл из подкаталога تجمع / رئيسي / ر / التحول الزمني / с любого из этих сайтов:

сли загрузка с тих сайтов происходит медленно ، попробуйте другие из полного списка серверов-з.

аметим، то при работе с некоторыми браузерами вам придётся указать браузеру، то вы хотитфновы. Например، в Firefox или Mozilla вам нужно удерживать клавишу Shift при щелчке по URL.

Одробней о timeshift_20.11.1-1_amd64.deb:

та страница также доступна на следующих языках (ак установить язык по умолчанию):

тобы сообщить о проблеме، связанной с веб-сайтом، отправьте сообщение (на английском) в списокists. Прочую контактную информацию см. на странице Debian ак связаться.

Авторские права ونسخ 1997 - 2021 SPI Inc. См. условия лицензии. Debian это торговый знак компании SPI Inc. б том сайте.


مقدمة في الاقتصاد القياسي مع R.

المفهوم الرئيسي 11.1

نموذج الاحتمالية الخطية

نموذج الانحدار الخطي

[Y_i = beta_0 + beta_1 X_ <1i> + beta_2 X_ <2i> + dots + beta_k X_ + u_i ] مع المتغير الثنائي التابع (Y_i ) يسمى نموذج الاحتمال الخطي. في نموذج الاحتمال الخطي لدينا [E (Y vert X_1، X_2، dots، X_k) = P (Y = 1 vert X_1، X_2، dots، X_3) ] حيث [P (Y = 1 vert X_1، X_2، dots، X_k) = beta_0 + beta_1 + X_ <1i> + beta_2 X_ <2i> + dots + beta_k X_.]

وبالتالي ، يمكن تفسير ( beta_j ) على أنه التغيير في احتمال أن (Y_i = 1 ) ، مع الحفاظ على ثبات الانحدارات (k-1 ) الأخرى. تمامًا كما هو الحال في الانحدار المتعدد الشائع ، يمكن تقدير ( beta_j ) باستخدام OLS ويمكن استخدام صيغ الخطأ المعيارية القوية لاختبار الفرضيات وحساب فترات الثقة.

في معظم نماذج الاحتمالات الخطية ، لا يحتوي (R ^ 2 ) على تفسير ذي معنى لأن خط الانحدار لا يمكن أبدًا أن يلائم البيانات تمامًا إذا كان المتغير التابع ثنائيًا وكانت عوامل الانحدار مستمرة. يمكن ملاحظة ذلك في التطبيق أدناه.

أنه أساسيا لاستخدام أخطاء قياسية قوية نظرًا لأن (u_i ) في نموذج الاحتمال الخطي دائمًا ما يكون متغايرًا.

يتم تقدير نماذج الاحتمالية الخطية بسهولة في ص باستخدام الوظيفة lm ().

بيانات الرهن العقاري

بعد الكتاب ، نبدأ بتحميل مجموعة البيانات HMDA الذي يوفر بيانات تتعلق بطلبات الرهن العقاري المقدمة في بوسطن في عام 1990.

نستمر في فحص الملاحظات القليلة الأولى وحساب الإحصاءات الموجزة بعد ذلك.

المتغير الذي نهتم به هو النمذجة ينكر، مؤشر على ما إذا كان قد تم قبول طلب الرهن العقاري لمقدم الطلب (ينكر = لا) أو رفض (رفض = نعم). عامل التراجع الذي يجب أن يكون له سلطة في توضيح ما إذا كان طلب الرهن العقاري قد تم رفضه هو قرصان، حجم إجمالي أقساط القرض الشهرية المتوقعة بالنسبة لدخل مقدم الطلب. من السهل ترجمة هذا إلى نموذج الانحدار البسيط

[يبدأ deny = beta_0 + beta_1 مرات P / I نسبة + u. علامة <11.1> نهاية]

نحن نقدر هذا النموذج تمامًا مثل أي نموذج انحدار خطي آخر lm (). قبل أن نفعل ذلك ، المتغير ينكر يجب تحويلها إلى متغير رقمي باستخدام as.numeric () كما lm () لا يقبل المتغير التابع ليكون من الدرجة عامل. لاحظ أن as.numeric (HMDA $ deny) سيتحول ينكر = لا إلى ينكر = 1 و رفض = نعم إلى إنكار = 2، وذلك باستخدام as.numeric (HMDA $ deny) -1 نحصل على القيم 0 و 1.

بعد ذلك ، نرسم البيانات وخط الانحدار لإعادة إنتاج الشكل 11.1 من الكتاب.

وفقًا للنموذج المقدر ، ترتبط نسبة الدفع إلى الدخل التي تبلغ (1 ) باحتمالية متوقعة لرفض طلب الرهن العقاري تقريبًا (50 ٪ ). يشير النموذج إلى وجود علاقة إيجابية بين نسبة الدفع إلى الدخل واحتمال رفض طلب الرهن العقاري ، لذلك من المرجح أن يتم رفض الأفراد الذين لديهم نسبة عالية من مدفوعات القروض إلى الدخل.

قد نستخدم ملفات coeftest () للحصول على أخطاء معيارية قوية لكل من تقديرات المعامل.

خط الانحدار المقدر هو [ start عريضة = - underet <(0.032)> <0.080> + underet <(0.098)> <0.604> P / I نسبة. علامة <11.2> نهاية] المعامل الحقيقي على (P / I نسبة ) يختلف إحصائيًا عن (0 ) عند مستوى (1 ٪ ). يمكن تفسير تقديره على النحو التالي: تؤدي زيادة نقطة مئوية واحدة في (P / I نسبة ) إلى زيادة احتمال رفض القرض بمقدار (0.604 cdot 0.01 = 0.00604 حوالي 0.6 ٪ ) .

بعد الكتاب ، قمنا بزيادة النموذج البسيط (11.1) عن طريق الانحدار الإضافي (الأسود ) الذي يساوي (1 ) إذا كان مقدم الطلب أمريكيًا من أصل أفريقي ويساوي (0 ) بخلاف ذلك. مثل هذا التحديد هو الأساس للتحقيق في ما إذا كان هناك تمييز عنصري في سوق الرهن العقاري: إذا كان كونك أسودًا له تأثير كبير (إيجابي) على احتمال رفض القرض عندما نتحكم في العوامل التي تسمح بإجراء تقييم موضوعي لائتمان المتقدمين الجدارة ، وهذا مؤشر على التمييز.

دالة الانحدار المقدرة هي [ start عريضة = & amp ، - underet <(0.029)> <0.091> + underet <(0.089)> <0.559> P / I ratio + underet <(0.025)> <0.177> black. علامة <11.3> نهاية]

المعامل الموجود على (أسود ) موجب ويختلف بشكل كبير عن الصفر عند مستوى (0.01 ٪ ). التفسير هو أنه مع الاحتفاظ بثبات (P / I نسبة ) ، فإن كونك أسودًا يزيد من احتمال رفض طلب الرهن العقاري بحوالي (17.7 ٪ ). هذه النتيجة متوافقة مع التمييز العنصري. ومع ذلك ، قد يتم تشويهها عن طريق حذف التحيز المتغير ، لذلك قد يكون التمييز نتيجة سابقة لأوانها.


شاهد الفيديو: شيء غريب سيقوم به رئيس الوزراء الجديد وسيعتبر علامة هامة (شهر نوفمبر 2021).