Istnieje wiele funkcji w statystykach, które wykonują modelowanie, w tym następujące:
acf() do oszacowania autokorelacji i autokowariancji w szeregach czasowych
aov(), aby dopasować model analizy wariancji
ar(), aby dopasować model autoregresji szeregów czasowych
arima(), aby dopasować autoregresyjną zintegrowaną średnią ruchomą do danych szeregów czasowych
ccf() do oszacowania korelacji krzyżowej i kowariancji krzyżowej dla dwóch szeregów czasowych
cpgram(), aby wykreślić skumulowany periodogram dla danych szeregów czasowych
glm() w celu dopasowania do uogólnionego modelu liniowego
fft() dla szybkich dyskretnych transformacji Fouriera dla danych szeregów czasowych
filter() do liniowego filtrowania szeregów czasowych KalmanForcast(), KalmanLike(), KalmanRun(), KalmanSmooth() i makeARIMA() do filtrowania Kalmana
line(), aby dopasować wiersz solidnie w oparciu o analizę danych eksploracyjnych firmy Tukey
lm(), aby dopasować model liniowy
less(), aby dopasować lokalny model wielomianu
loglin(), aby dopasować model logliniowy
lsfit(), aby dopasować model liniowy do najmniejszych kwadratów z jedną zmienną objaśniającą
manova(), aby dopasować wiele modeli analizy wariancji
mvfft() dla szybkich dyskretnych transformacji Fouriera dla macierzy
nlm(), aby znaleźć minimum nieliniowego modelu
nls(), aby dopasować nieliniowy model najmniejszych kwadratów
optim(), optimHess(), optimize() i optimize() w celu optymalizacji funkcji
pacf() do oszacowania częściowych autokorelacji i autokorelacji dla szeregów czasowych
ppr(), aby dopasować model regresji pogoni za projekcją
smooth.spline(), aby dopasować model gładkiego splajnu
spec(), aby znaleźć gęstość widmową dla danych szeregów czasowych
step(), aby użyć AIC do wyboru modelu przy użyciu algorytmu krokowego
stl(), aby użyć metody lessu do sezonowej dekompozycji szeregów czasowych
StrucTS(), aby dopasować strukturalny model szeregów czasowych supsmu() dla super gładszego modelu Friedmana
W stats jest wiele funkcji wspierających funkcje modelowania, których nie opisujemy. Więcej informacji można znaleźć na stronach pomocy dla poszczególnych funkcji: wprowadź ?functio.name w wierszu poleceń R, gdzie nazwa.funkcji jest nazwą funkcji.
spec(), aby znaleźć gęstość widmową dla danych szeregów czasowych
step(), aby użyć AIC do wyboru modelu przy użyciu algorytmu krokowego
stl(), aby użyć metody lessu do sezonowej dekompozycji szeregów czasowych
StrucTS(), aby dopasować strukturalny model szeregów czasowych supsmu () dla super gładszego modelu Friedmana
W statystykach jest wiele funkcji wspierających funkcje modelowania, których nie opisujemy. Więcej informacji można znaleźć na stronach pomocy dla poszczególnych funkcji: wprowadź ?function.name w wierszu poleceń R, gdzie nazwa.funkcji jest nazwą funkcji.