Modele mieszane w R

W tym rozdziale poznasz główną strukturę modeli mieszanych, dowiesz się, jak stosować to podejście do różnych typów danych i jak estymować zaangażowane parametry. Do przeprowadzenia estymacji nauczysz się iteracyjnej metody zwanej algorytmem oczekiwania-maksymalizacji (EM).

Ten rozdział pokazuje, jak dopasowywać mieszaniny rozkładów Gaussa w 1 i 2 wymiarach za pomocą pakietu flexmix. Wykorzystywane dane zawierają 10 000 obserwacji opisujących wagę, wzrost, wskaźnik masy ciała i zadeklarowaną płeć różnych osób.

W tym module dowiesz się, jak modele mieszane rozszerzają się na rozkłady prawdopodobieństwa inne niż rozkład Gaussa, oraz jak dopasowywać takie modele za pomocą pakietu flexmix. Wykorzystywane zbiory danych to obrazy odręcznie pisanych cyfr oraz liczba przestępstw w Chicago. Na podstawie pierwszego zbioru wyznaczysz grupy podsumowujące odręcznie pisane cyfry, a na podstawie drugiego – grupy dzielnic o wyższym lub niższym poziomie zagrożenia.