paket pada CRAN yang relevan untuk tugas-tugas yang berkaitan dengan topik
tertentu. CRAN memberikan gambaran singkat tentang paket yang disertakan dan
dapat diinstal secara otomatis menggunakan paket ctv. Artinya, menu package dan
menu taks view merupakan sesuatu hal yang berbeda. Taks wiew ini mendeskripsikan
package-package yang ada di program R sehingga sebelum menginstal package kita
melihat terlebih dahulu kegunaan dari package itu sendiri melalui taks views.
1. BAYESIAN
Peneliti terapan yang tertarik pada statistik Bayesian akan tertarik juga dengan R
karena kemudahan yang dapat dikodekan melalui algoritma untuk sampel dari
distribusi posterior serta sejumlah paket signifikan yang berkontribusi pada
Comprehensive R Archive Network (CRAN) yang menyediakan tools untuk inferensi
Bayesian. Tampilan tugas ini mengkategorikan alat-alat ini. Dalam taks view ini,
terbagi dalam paket-paket atas empat kelompok berdasarkan ruang lingkup dan fokus
paket.
A. Hierarchical Clustering:
1) Fungsi hclust () dari statistik paket dan agnes () dari cluster adalah
fungsi utama untuk pengelompokan hierarchical agglomerative, fungsi
diana () dapat digunakan untuk pengelompokan hierarkis yang
memecah belah. Alternatif yang lebih cepat untuk hclust () disediakan
oleh paket fastcluster dan flashClust.
2) Fungsi dendrogram () dari statistik dan metode terkait dapat digunakan
untuk meningkatkan visualisasi untuk dendrogram cluster.
3) Paket dendextend menyediakan fungsi untuk memudahkan visualisasi
(mewarnai label dan cabang, dll.), Manipulasi (memutar, memangkas,
dll.) Dan perbandingan dendrogram (tangelgram dengan heuristik
untuk rotasi cabang optimal, dan pengukuran korelasi pohon dengan
tes bootstrap dan permutasi untuk makna).
4) Paket dynamicTreeCut berisi metode untuk mendeteksi kluster dalam
dendrogram pengelompokan hierarkis.
5) Paket jin mengimplementasikan algoritma pengelompokan hirarkis
cepat dengan kriteria hubungan yang merupakan varian dari metode
hubungan tunggal yang menggabungkannya dengan pengukuran
ketidaksetaraan Gini untuk memperkuat metode penghubung sambil
mempertahankan efisiensi komputasi untuk memungkinkan
penggunaan kumpulan data yang lebih besar.
B. Partisi Clustering:
1) Paket clusterSim memungkinkan untuk mencari prosedur
pengelompokan optimal untuk dataset tertentu.
2) Paket clustMixType menerapkan ekstensi k-prototipe Huang dari k-
means untuk data jenis campuran.
Paket evclust mengimplementasikan berbagai algoritme
pengelompokan yang menghasilkan partisi kredensial, yaitu
sekumpulan fungsi massa Dempster-Shafer yang mewakili
keanggotaan objek ke kluster.
3) Paket flexclust menyediakan algoritma klaster k-centroid untuk
pengukuran jarak sewenang-wenang, pembelajaran kompetitif keras,
gas syaraf dan QT clustering. Grafik lingkungan dan plot gambar
partisi tersedia untuk visualisasi. Beberapa fungsi ini juga disediakan
oleh paket cclust.
4) Paket kernlab menyediakan versi kernel terbobot dari algoritma k-
means oleh kkmeans dan pengelompokan spektral berdasarkan
spesifikasi.
C. Model-Based Clustering:
Estimasi ML:
1) Fitting campuran terbatas dari campuran skala uni dan multivariat dari
distribusi condong-normal dengan algoritma EM disediakan oleh
mixsms paket.
2) Paket Moeclust cocok dengan campuran multivariat Gaussian yang
terbatas dan terbatas dari model pakar melalui algoritma EM. Kovariat
dapat mempengaruhi proporsi pencampuran dan / atau kepadatan
komponen dan semua 14 parameterarisasi kovarian dibatasi dari paket
mclust diimplementasikan.
3) Paket movMF cocok dengan campuran terbatas distribusi von Mises-
Fisher dengan algoritma EM.
4) mritc menyediakan alat untuk klasifikasi menggunakan model
campuran normal dan (resolusi lebih tinggi) tersembunyi Markov
model campuran normal yang dipasang oleh berbagai metode.
5) prabclus mengelompokkan objek matriks kehadiran-ketiadaan dengan
menghitung MDS dari jarak, dan menerapkan kemungkinan
maksimum campuran Gaussian mengelompok ke titik-titik MDS.
Estimasi Bayesian:
1) Paket bayesmix menyediakan estimasi Bayesian menggunakan JAGS.
2) Paket bclust memungkinkan pengelompokan Bayesian menggunakan
model hierarki spike-and-slab dan cocok untuk mengelompokkan data
berdimensi tinggi.
3) Paket Bmix menyediakan Bayesian Sampling untuk campuran stick-
breaking.
4) Paket bmixture memberikan estimasi Bayesian dari campuran terbatas
dari Gamma univariat dan distribusi normal.
5) Paket dpmixsim cocok dengan model campuran proses Dirichlet
menggunakan model konjugat dengan struktur normal. Paket profdpm
menentukan estimasi posterior maksimum untuk model partisi produk
di mana campuran proses Dirichlet adalah kasus spesifik di kelas.
5. Persamaan Diferensial
Persamaan diferensial (DE) adalah persamaan matematika yang
menggambarkan bagaimana suatu kuantitas berubah sebagai fungsi dari satu
atau beberapa variabel (independen), sering kali waktu atau ruang. Persamaan
diferensial memainkan peran penting dalam biologi, kimia, fisika, teknik,
ekonomi dan disiplin lainnya.
A. Persamaan Diferensial Stokastik (SDEs)
Dalam persamaan diferensial stokastik, kuantitas yang tidak diketahui
adalah proses stokastik.
1) Paket sde menyediakan fungsi untuk simulasi dan penyimpulan untuk
persamaan diferensial stokastik. Ini adalah paket yang menyertainya
ke buku oleh Iacus (2008).
2) Paket pomp berisi fungsi untuk penyimpulan statistik untuk proses
Markov yang diamati sebagian.
3) Paket adaptivetau dan GillespieSSA menerapkan algoritma simulasi
stochastic "tepat" Gillespie (metode langsung) dan beberapa metode
perkiraan.
4) Paket Sim.DiffProc menyediakan fungsi untuk simulasi persamaan
stochastic diferensial Ito dan Stratonovitch.
5) Paket QPot menganalisis sistem 2-dimensi persamaan diferensial
stokastik menggunakan analisis kuasi-potensial.
6. Distribusi Peluang
7. Ekonometri
B. Variabel instrumental
1) Data panel: Model IV dasar tertentu untuk data panel juga dapat
diperkirakan dengan fungsi 2SLS standar (lihat di atas). Model data panel
IV khusus disediakan oleh ivfixed (efek tetap) dan ivpanel (antara dan
efek acak).
D. Miscellaneous
1) Manipulasi matriks: Sebagai bahasa berbasis vektor dan matriks, basis
R kapal dengan banyak alat yang kuat untuk melakukan manipulasi
matriks, yang dilengkapi dengan paket Matrix dan SparseM.
2) Optimasi dan pemrograman matematis: R dan banyak paket kontribusi
menyediakan banyak fungsi khusus untuk menyelesaikan masalah
pengoptimalan tertentu, misalnya, dalam regresi seperti yang dibahas
di atas. Fungsionalitas lebih lanjut untuk menyelesaikan masalah
pengoptimalan yang lebih umum, misalnya, kemungkinan
maksimalisasi, dibahas dalam tampilan tugas Optimasi.
3) Bootstrap: Selain paket boot yang disarankan, ada beberapa teknik
bootstrapping umum lainnya yang tersedia di bootstrap atau
simpleboot serta beberapa teknik bootstrap yang dirancang untuk data
time-series, seperti bootstrap entropi maksimum di meboot atau
tsbootstrap () dari tseries.
Taks Views ini ini berisi informasi tentang penggunaan R untuk menganalisi data
ekologi dan lingkungan
Taks Views CRAN ini berisi daftar paket yang berguna untuk pekerjaan
secara nyata di bidang Keuangan dan dikelompokkan berdasarkan topik.
Selain paket-paket ini, berbagai fungsi yang sangat luas yang cocok untuk
pekerjaan empiris di bidang Keuangan disediakan oleh sistem R dasar (dan
rangkaian paket inti yang disarankan), dan sejumlah paket lainnya di Jaringan
Arsip R Komprehensif (CRAN). Akibatnya, beberapa Taks Views CRAN
lainnya mungkin berisi paket yang sesuai, khususnya Eksekusi Ekonometrika,
Multivariasi, Pengoptimalan, Robust, SocialSciences, dan TimeSeries.
D. Manajemen risiko
1) The Task View ExtremeValue menyusun kembali sejumlah paket
yang relevan.
2) Paket-paket CreditMetrics dan crp.CSFP menyediakan fungsi untuk
pemodelan risiko kredit.
3) Paket mvtnorm menyediakan kode untuk multivariat Normal dan t-
distribusi.
4) Paket Rmetrics fPortfolio dan fExtremes juga berisi sejumlah fungsi
yang relevan.
5) Paket copula dan fgac mencakup struktur ketergantungan multivariat
menggunakan metode copula.
6)
12. Analisis Data Fungsional
Analisis data fungsional (FDA) berkaitan dengan data yang "memberikan
informasi tentang kurva, permukaan atau hal lain yang bervariasi dalam suatu
kontinum."
A. Analisis data fungsional umum
1) funData menyediakan kelas S4 untuk fungsi data dan fungsi
fungsional dan fungsional univariat dan multivariat.
2) fds berisi 19 set data dengan data fungsional.
pelangi mengandung fungsi dan set data untuk tampilan data
fungsional, analisis eksplorasi dan deteksi pencilan.
3) roahd menyediakan metode untuk analisis kuat data fungsional
univariat dan multivariat, mungkin dalam kasus-kasus berdimensi
tinggi, dan karenanya dengan perhatian pada efisiensi komputasi dan
kesederhanaan penggunaan.
B. Runtun waktu data fungsional
1) ftsa menyediakan fungsi untuk memvisualisasikan, pemodelan, peramalan
dan pengujian hipotesis dari rangkaian waktu fungsional.
2) ftsspec menyediakan fungsi untuk memperkirakan operator densitas
spektral dari rangkaian waktu fungsional (FTS) dan membandingkan
operator densitas spektral dari dua seri waktu fungsional, dengan cara
yang memungkinkan deteksi perbedaan operator densitas spektral dalam
frekuensi dan sepanjang kurva panjang.
3) freqdom menyediakan metode domain frekuensi untuk deret waktu
multivariat dan fungsional dan mengimplementasikan komponen utama
fungsional dinamis dan regresi fungsional dengan adanya ketergantungan
temporal.
4) freqdom.fda menyediakan pembungkus untuk fungsionalitas freqdom
untuk objek dari fda
5) pcdpca memperluas komponen utama multivariat dinamis untuk seri
waktu multivariat dan fungsional secara berkala berkorelasi.