ssdtools ssdtools是一个R软件包，用于绘制和拟合物种敏感度分布（SSD）。 SSD是累积概率分布，适合于不同物种的毒性浓度，如Posthuma等人所述。 （2001）。 ssdtools软件包使用最大似然来拟合分布，例如对数正态，伽马，对数逻辑，对数古姆贝尔，Gompertz和Weibull。 用户还可以提供自定义发行版。 可以使用信息标准对多个分布进行平均。 通过参数自举产生危害浓度和比例的置信区间。 安装 要从安装最新版本 install.packages( " ssdtools " ) 要安装最新的开发版本： install.packages( " remotes " ) remotes :: install_github( " bcgov/ssdtools " ) 介绍 ssdtools提供了包括硼在内的多种化学物质的数据集。 library( ssdto

bayestestR：用于分析贝叶斯模型和后验分布的实用工具

经济图套餐 用ggplot2制作的微观经济学/宏观经济学图 该软件包允许使用简单的功能在R中创建微观经济学或宏观经济学图表。这个软件包的灵感来自Andrew Heiss的 。 该软件包正在大力发展中。工作正在进行中。您可以通过提交问题或贡献提交拉取请求来提出建议。 去做 完成文件 价格控制（在sdcurve功能中） 允许绘图自定义功能 添加预算约束图 修复linecol参数 税收图 阴暗的生产者和消费者剩余 添加Edgeworth框 一般均衡（由伊利亚建议） 前景理论价值函数（@brshallo建议） 新古典主义的劳动力供给（由@ hilton1建议） 指数 安装 的GitHub # Install the development version from GitHub: # install.packages("devtools") devtools :: install_github(

rnaturalearth：一个R包，用于保存并促进与自然地球地图数据的交互

甘特化 ganttrify有助于创建美观的甘特图，常用于项目提案和项目管理。 如果您只想在交互式 Web 界面中查看此内容，。 更多。 请继续阅读以获取更多详细信息和示例。 动机 可以在网上找到有助于从 R 创建甘特图的记录尝试。其中一些（例如和 ）使用“ggplot2”，但我觉得它们看起来不太好。 我在找到的答案也是如此。 即使可以在 R 中创建甘特图，但同样，我不喜欢最终结果。 我确实找到了一个的，但它是在基础 R 中的，现在所有酷孩子都知道 R 中的基础绘图存在只是：不是一个选项！ （嘿，我开玩笑的，别@我！） 考虑到我对甘特图的时髦品味，我别无选择，只能用一个自命不凡的高档名称来制作这个包，而不是明显的“ganttr”。 请欢迎ganttrify 。 免责声明 更严重的是，这是制作外观漂亮的甘特图的快速尝试。 是的，我将启用您喜欢的所有自定义，但首先我实际上需要提交

阿格里达 主页： ： 仓库： : agridat软件包提供了来自农业实验的大量数据集。 数据集来自与农业有关的书籍，论文和网站。 包括示例图形和分析。 数据来自小规模试验，多环境试验，均匀性试验，产量监测仪等。 主要特征： 详尽的文档。 （几乎）每个数据集的示例。 安装 # Install the released version from CRAN: install.packages( " agridat " ) # Install the development version from GitHub: install.packages( " devtools " ) devtools :: install_github( " kwstat/agridat " ) 用法 library( agridat ) ? agridat # list all dataset

textanalysis：R中的文本分析

电脑 mcmcr是一个R包，用于处理蒙特卡洛马尔可夫链（MCMC）样本（Brooks等人，2011）。 安装 要从安装最新版本 install.packages( " mcmcr " ) 从安装开发版本 # install.packages("remotes") remotes :: install_github( " poissonconsulting/mcmcr " ) 介绍 为了便于讨论，MCMC样本表示来自单个链的单个迭代的项的值。 尽管简单的参数（例如截距）对应于单个项，但更复杂的参数（例如两个因子之间的相互作用）则由具有其固有维数的多个项组成-在这种情况下为矩阵。 一组MCMC样本可以以不同的方式存储。 现有课程 三种最常见的S3类存储MCMC示例，如下所示： coda::mcmc将来自单个链的MCMC样本存储为矩阵，其中每一行代表一个迭代，每一列代表一个变量 coda:

R中的广义线性混合模型教程 该存储库包含（相对）简短的教程，介绍使用R拟合和比较模型的广义线性混合模型（GLMM）。 本教程的一般内容是由Richard McElreath出色的统计学课程“ Statistical Rethinking”启发而来的。 有关该材料的最新信息，可以在理查德的找到。 特别是，我编写此脚本时借鉴了课程期末考试中出现的一系列问题。 这些练习对我来说尤其具有启发性，因为它们说明包含随机效应（又称变化效应）不仅可以改变相对模型排名，而且还强调，添加随机效应可以极大地改变我们对固定效应的估计（即，通常情况下，关心我们的模型中的大多数）。 本教程使用R软件包lme4 ， AICcmodavg和rethinking 。 赤池的信息准则（AIC）用于比较拟合模型。 储存库内容 glmm_tutorial_script.R文件包含我的代码和教程注释 glmm_tutorial_d

BTYDplus BTYDplus 软件包提供了高级统计方法来描述和预测客户的购买行为。 它使用历史交易记录来拟合概率模型，然后该模型可以计算出一个队列以及一个客户级别的管理兴趣量（客户生命周期价值，客户权益，P（活动）等）。 该软件包对软件包进行了补充，提供了几种其他的“为止”模型，这些模型已经在营销文献中发布，但是其实现是复杂且不平凡的。 这些模型是：NBD，MBG / NBD，BG / CNBD-k，MBG / CNBD-k，Pareto / NBD（HB），Pareto / NBD（Abe）和Pareto / GGG。 安装 # install.packages("devtools") devtools::install_github("mplatzer/BTYDplus", dependencies=TRUE) library(BTYDplus) 入门 demo("cdn