|R| Experts – Telegram
|R| Experts
1.05K subscribers
376 photos
35 videos
58 files
205 links
@R_Experts
🔴آمار علم جان بخشیدن به داده‌هاست.
🔷ارتباط با ما
@iamrezaei
لینک یوتیوب و اینستاگرام و ویرگول:
https://zil.ink/expertstv
Download Telegram
در مرحله ماکزیمم سازی Q بر حسب
teta^i+1
ماکزیمم میشود.

@R_Experts
#تمرین_شماره_7

تمرینی که ایده ی ناب اون رو از سوالات ریاضی المپیاد دانشگاه MIT ، استفاده کردیم

ممنون از جواب های تک تک دوستان و لطف و توجه همگی ،

تمرین فراموش نشده بود :)

منتظر جواب و طرز فکری متفاوت بودیم ، وقتی ایده ی این سوال به ذهنم رسید چالشی بود که بتوانم تا با آن متفاوت دیدن را بتوانم مطرح کنم
تا با دیده بهتر به مسائل

نگاه کنیم ،

مطرح کردن این الگوریتم در ابتدا با اطلاعات کمی که در اختیار داشتیم 3 نقطه کار بسیار دشواری به نظر میرسید،

در تمامی کد هایی که دوستان زحمت کشیدن و ایده هارو مطرح کردن

همگی با یک دید در قالب های متفاوت به مساله نگاه کرده بودند،

اون 3 امتیاز واقعا برازنده تلاش کسی بود که

که با ایده

Two Dimonsional Interpolation

درون یابی دو بعدی "لاگرانژ"

به مساله نگاه میکرد حتی اگه برنامه اون رو نمیتونست بنویسه ،

به زبان ساده تر بدون اینکه ارتباط بین x1,x2,y را میدانست برنامه طراحی میکرد تا به ظابطه

y=x1*x1+x1*x2

برای ما به عنوان خروجی چاپ میکرد و پیش بینی علامت سوال بر اساس این خروجی

صورت می پذیرفت

و تکنیک حل سوال برای @R_Experts

خیلی قابل اهمیت بود

"ذهن خود را باز کنیم و با دیده روشن به مسائل نگاه کنیم من یقین دارم که میشود (تو) نیز یقین داشته باش"

حال به عنوان
#تمرین_شماره_8

میتوانید این درون یابی را که در "سطوح مقالات آنالیز عددی پیشرفته "مطرح میشود ،مطالعه

حل و با پیاده سازی در نرم افزار به یکی از آی دی های

@Analyst20
@javad_vhd
@hamedrezaei2

ارسال نمایید با تشکر از توجه شما🌷🌷🌷
https://telegram.me/R_Experts
#درخواستی_دوستان

بحث مدل های Arima ، بدون استفاده از تابع اتوماتیک این مدل یعنی

auto.arima


در این مثال
کاربردی که به مربوط به قیمت نفت Opec
از فوریه 2003 به بعد میباشد

ابتدا برای کار دو پکیج
library(TSA)

library(forecast)


فراخوانی
و داده های تکست را وارد نرم افزار میکنیم پس از این کار

این داده ها را به عنوان یک تایم سری"ts" به R معرفی میکنیم چون داده ها روزانه جمع اوری شده اند 365 را در

 ts 

اورده ایم

سپس نمودار مربوطه رسم میشود

@R_Experts
شما در این نمودار به وضوح تحولات منطقه و تاثیر اون بر قیمت نفت رو میتونید مشاهده کنید به طور مثال در سال 2003 که حمله امریکا در 20 دسامبر صورت گرفت شاهد افت و خیزی در این نمودار هستیم


@R_Experts
در ادامه کار با رسم نمودار همبستگی جملات بین سری
acf


در میابیم که این سری با اصول اولیه این مدل ها یعنی مانایی مشکل ایجاد میکند،

یعنی لگ های نمودار همبستگی بین جملات سری از باند ابی تعیین شده خارج شده اند ،

@R_Experts
برای ادامه کار تعدادی از داده ها رو انتخاب میکنیم و نمودار ها رو رسم میکنیم

@R_Experts
همانطور که میبینید با کاهش داده ها وضعیت همبستگی و لگ ها بهتر شد
@R_Experts
برای رفع مشکل میانگین ناثابت از تفاضل گیری استفاده کرده ایم و میتوانیم تفاوت دو نمودار را مشاهده کنیم
@R_Experts
این تفاوت رو با تفاضل گیری در همبستگی بین جملات نیز داریم

@R_Experts
اماره دیکی فلوره نیز مهره تاییدی بر مانایی یا بهتره بگیم مانایی ضعیف سری تفاضل گیری شده است

@R_Experts
یکی از نمودارهای مهم که به ما در تعیین مدل اریما کمک میکند نموداره eacf میباشد

@R_Experts
با توجه به نمودار بالا دو مدل اریما را به داده ها فیت کرده ایم که هر دو ملاک
Akaike Information Critrea
Baysian Information Critera
مدل فیت 2 را تایید میکنند
@R_Experts
این هم پیش بینی 15 روز بعدی قیمت نفت و تشکیل فواصل اطمینان میباشد 80 و95 درصدی میباشد و این پیش بینی خطای بسیار پایینی دارد ، چون پس از پیش بینی با قیمت واقعی مقایسه شده است،

@R_Experts
نمودار پیشبینی رسم شده برای 15 جمله ی بعدی سری

@R_Experts
#اجرای_برنامه_در_Rstudio


برای اجرای برنامه ای که نوشته ایم در این ویرایشگر سه روش وجود دارد


روش اول : کلیک بر روی کلمه Run همانند انچه در شکل نشان داده شده است

روش دوم : زدن دکمه های Ctrl + R در صفحه کلید

روش سوم : زدن دکمه های Ctrl + Enter در صفحه کلید

@R_Experts
#نصب_پکیچ_در_Rstudio

برای نصب پکیج ما می توانیم دستور

install.packages("name")

را در صورت دسترسی به اینترنت بزنیم .یا مانند شکل زیر عمل کنیم


@R_Experts
|R| Experts
#factor_function فرم کلی این تابع به صورت : factor(x = character(), levels, labels = levels, exclude = NA, ordered = is.ordered(x)) که از یک رشته شی محتويات انها را خارج و در Levels قرار میدهد و میتوان به انها برچسب نیز نسبت داد ، و ordered ترتیب…
#factor

فاکتورها بسیار شبیه بردارهاهستند.ازفاکتورهابرای گروه بندی وایجاد تمایزبین داده های بردارهااستفاده میشود.
فاکتورها را می توان بطورمستقیم تولیدکردو
یایک برداررابه یک فاکتورتبدیل کرد.
درR دستورات
factor()

و
gl()

را داریم.

gl(n,k,length=n*k,labels=1:n,ordered=F)


که
n مشخص کننده تعداد سطوح

k تعدادتکرارها،

length طول فاکتور

وlabels برچسب سطح می باشدو

orderedمشخص میکندسطوح مرتب باشند یا نه


@R_Experts