スキップしてメインコンテンツに移動

My notepad

このブログを検索

pythonでt検定

日付: 4月 28, 2019

リンクを取得
Facebook
×
Pinterest
メール
他のアプリ

pythonでクリップボードにあるデータをコピーしてt検定してみる．

リンクを取得
Facebook
×
Pinterest
メール
他のアプリ

コメント

コメントを投稿

人気の投稿

dplyrで任意の行を抽出したり削除したりする

データの任意の行を抽出したり，削除したいときdplyrではslice()を使う．－（マイナス）を付けると削除になるし，付けなければ抽出することになる． #パッケージ読み込み　（tidylogは特にいらない） library(dplyr) library(tidylog) #データの読み込み data(iris) iris #1行目を抽出 iris %>% slice(1) #1～10行目を抽出 iris %>% slice(1:10) #1行目を削除 iris %>% slice(-1) #1～10行目を削除 iris %>% slice(-1:-10)

lme4-lmer関数のランダム切片とランダム傾きの表記方法（完全自分用メモ）

lmer関数のランダム切片とランダム傾きの表記方法が忘れそうなので書いておく．自分用メモ．ランダム切片（random intercept）のみ subjectsをランダム効果として，｜の前の”１”は切片になる．式は以下の通り． a ~ b + ( 1 | subjects) ランダム傾き(random slope)のみ ”｜ subjects”の前の”b”が傾きで，”0”を付け加えることでランダム切片は無し，ということになる．式は以下の通り． a ~ b + (0 + b | subjects) ランダム切片とランダム傾き両方 ”｜ subjects ”の前の”1 + b”で切片と傾き両方採用．”0”を付け加えることでランダム切片は無し，ということになる．また，ただ”b”と表記しても”1 + b”と同じことになる．式は以下の通り． a ~ b + (1 + b | subjects)　あるいは　a ~ b + ( b | subjects) その他下記のような式の場合，”b * c”は”b”，”c”，”b:c”を表すことになる．そのため，ランダム効果を表している部分は，交互作用を含む3つのランダム傾きを含んでいることになる． a ~ b * c + (1 + b * C | subjects) なお，ランダム傾きは結構推定不能になることがあるらしい… 2要因の被験者内計画のANOVAならランダム切片で行くほうがいいのか…step関数でモデルを探索して決めるのもありか… a ~ b * c + (1 | subjects) + (1 | subjects:b) + (1 | subjects:c)

corrplotで相関行列を視覚化し，データの見通しを良くする．

多変量のデータの関係性を見たくて，相関係数を見てみたい．ということで，視覚化してみる．corrplotパッケージを使用．まずはデータ． > dat participants EMG1 EMG2 EMG3 EMG4 time force fatigue comfort 1 1 0.020 0.007 0.015 0.020 1.70 361.132 68.6 60.6 2 2 0.039 0.008 0.010 0.012 1.36 293.362 65.0 48.2 3 3 0.079 0.007 0.015 0.017 2.48 349.753 97.4 28.0 4 4 0.041 0.007 0.012 0.007 1.53 251.173 80.4 46.0 5 5 0.093 0.015 0.014 0.020 2.04 207.457 85.6 30.6 6 6 0.036 0.019 0.012 0.021 3.26 433.677 89.2 33.2 7 7 0.049 0.012 0.009 0.013 2.09 261.23...

Powered by Blogger