rStats.js

jStat からの移行

English 日本語

rStats.js は jStat 1.9.6 のすべての関数をカバーします。名前と既定値は jStat ではなく R のものなので、多くの呼び出しは形が変わります。このページには、jStat の全関数とその置き換え、既定値の 違い、置き換えでは再現しない jStat のバグを載せます。

rStats.js は素の配列 (行列は行の配列) を扱い、素のオブジェクトを返します。jStat(...) のラッパー、メソッドの チェーン、コールバックはありません。どの関数も、パッケージのルートからでも分野ごとのサブパス (@numero-uno-jpn/rstats/descriptive、/distributions、/tests、/linalg、/numerics、/special) からでも import できます。

既定値の違い

  jStat rStats.js (R)
variance、stdev flag が真でなければ母分散 (n) 標本 (n − 1): variance、sd
quantiles (α, β) = (3/8, 3/8)、R の type 9 quantile は type 7 ({ type: 9 } を渡す)
percentile type 7 (exclusive は type 6) quantile は type 7
range max − min [min, max]
coeffvar 母標準偏差 標本標準偏差
meddev 中央値からの絶対偏差の中央値 mad は 1.4826 倍する ({ constant: 1 } を渡す)
skewness、kurtosis 偏りのある形 (e1071 の type 1) skewness・kurtosis の既定は e1071 の type 3
gamma (shape, scale) 既定は (shape, { rate })。{ scale } を渡す
weibull (scale, shape) (shape, { scale })
pareto (scale, shape) extraDistr の { a: 形, b: 尺度 }
hypgeom (N, m, n): 母集団・成功の数・取り出す数 (m, n, k): 成功・失敗・取り出す数
negbin (r, p) (size, { prob }) (意味は同じ)
cholesky 下三角 chol は上三角を返す
multiply 行列どうしなら行列の積 matMul。multiply は要素ごと
片側検定 (sides = 1) 効果の向きを無視する alternative: "less" か "greater"
乱数 Math.random (か setRandom) R の Mersenne-Twister: setSeed(n) で R の set.seed(n) を再現

コア: 配列と行列

jStat rStats.js 備考
jStat JS: arrays ([1, 2, 3], arrays of rows for matrices) rStats.js は素の配列を扱います。ラッパーのオブジェクトやメソッドのチェーンはありません。
jStat.utils.calcRdx — jStat の seq の内部の補助関数です。
jStat.utils.isArray JS: Array.isArray(x)  
jStat.utils.isFunction JS: typeof f === "function"  
jStat.utils.isNumber JS: Number.isFinite(x) jStat の isNumber は有限の数のときだけ真です。
jStat.utils.toVector JS: x.flat()  
jStat.setRandom setSeed(seed) rStats.js は R の Mersenne-Twister を使うので、setSeed(42) で R の set.seed(42) と同じ乱数になります。独自の乱数生成器は差し込めません。
jStat.extend JS: Object.assign(target, source)  
jStat.rows JS: a.length  
jStat.cols JS: a[0].length  
jStat.dimensions JS: ({ rows: a.length, cols: a[0].length })  
jStat.row JS: a[i]  
jStat.rowa JS: a[i]  
jStat.col JS: a.map((r) => [r[j]]) jStat は n × 1 の行列を返します。
jStat.cola JS: a.map((r) => r[j])  
jStat.diag diag(a) 行列の diag は対角要素を平らな配列で返します (jStat は n × 1 の行列)。
jStat.antidiag JS: a.map((r, i) => r[r.length - 1 - i])  
jStat.diagonal diag(v) 長さ 2 以上のベクトルの diag は、R と同じく対角行列を作ります。
jStat.transpose t(a) t は常に行列を返します (jStat は 1 行の結果を平らにします)。
jStat.map JS: a.map((r) => r.map(f))  
jStat.cumreduce JS: a.map((r) => { let s = 0; return r.map((v) => (s += v)); }) 累積和なら cumsum(x) を使います。
jStat.alter JS: a.forEach((r) => r.forEach((v, j) => (r[j] = f(v))))  
jStat.create matrix(data, { nrow, ncol }) JavaScript で行の配列を作ってもかまいません。
jStat.zeros matrix(0, { nrow, ncol })  
jStat.ones matrix(1, { nrow, ncol })  
jStat.rand matrix(runif(nrow * ncol), { nrow, ncol }) setSeed で再現できます。
jStat.identity diag(n)  
jStat.symmetric JS: a.every((r, i) => r.every((v, j) => v === a[j][i]))  
jStat.clear JS: a.forEach((r) => r.fill(0))  
jStat.seq seq(from, to, { lengthOut }) R の seq(length.out = n) は両端をちょうどにします。
jStat.arange seq(from, to, { by }) R の seq は to に届けば含めます。arange は end の手前で止まります。
jStat.slice JS: a.slice(r0, r1).map((r) => r.slice(c0, c1))  
jStat.sliceAssign JS: assign to a[i][j] in a loop jStat の実装は行が整数のときにバグがあります (列の上限に行数を使う)。
jStat.copy JS: a.map((r) => [...r])  

記述統計

jStat rStats.js 備考
jStat.sum sum(x) R が long double で足すのと同じく、double-double で足します。
jStat.sumsqrd sum(x.map((v) => v * v))  
jStat.sumsqerr variance(x) * (x.length - 1)  
jStat.sumrow sum(x)  
jStat.product prod(x)  
jStat.min range(x)[0] 短い配列なら Math.min(...x) でもかまいません。
jStat.max range(x)[1] 短い配列なら Math.max(...x) でもかまいません。
jStat.unique unique(x) jStat はオブジェクトのキーで比べるので、1 と "1" が衝突します。
jStat.mean mean(x) 最後のビットまで正確です (double-double の和と R の補正)。trim は R と同じです。
jStat.meansqerr variance(x) * (x.length - 1) / x.length  
jStat.geomean geometricMean(x) DescTools::Gmean と同じで、負の値があれば NaN、0 があれば 0 です。
jStat.median median(x)  
jStat.cumsum cumsum(x)  
jStat.cumprod cumprod(x)  
jStat.diff diff(x) R と同じく lag と differences も指定できます。
jStat.rank rank(x) 同順位の既定は平均順位です (tiesMethod は R と同じ)。
jStat.mode modes(x).value DescTools::Mode と同じで、最多の値すべてを昇順で返し、どの値も 1 回なら NaN です (jStat は並べた配列全体を返します)。
jStat.range range(x) R の range は [min, max] を返します。jStat は max - min を返します (diff(range(x)))。
jStat.variance variance(x) 既定が違います: variance (R の var) は標本分散 (n − 1)、jStat の既定は母分散です。jStat.variance(x, true) が variance(x) です。
jStat.stdev sd(x) 既定が違います: 標本標準偏差 (n − 1) です。
jStat.pooledvariance aovSummary(aov(groups)).table[1][2] 一元配置分散分析の残差平均平方です。
jStat.pooledstdev Math.sqrt(aovSummary(aov(groups)).table[1][2])  
jStat.deviation JS: x.map((v) => v - m) with m = mean(x)  
jStat.meandev meanAD(x) DescTools::MeanAD と同じです。
jStat.meddev mad(x, { constant: 1 }) R の mad は既定で 1.4826 倍します。jStat はしません。
jStat.coeffvar cv(x) 違います: cv (DescTools::CoefVar) は標本標準偏差、jStat は母標準偏差を使います。
jStat.quartiles quantile(x, [0.25, 0.5, 0.75]) jStat は補間せずに順序統計量を選びます (n が偶数だと中央の値が中央値になりません)。別の定義は type で選びます。
jStat.quantiles quantile(x, p, { type: 9 }) jStat の既定 (α, β) = (3/8, 3/8) は R の type 9 です。R の既定は type 7 です。
jStat.percentile quantile(x, p) inclusive は R の type 7、exclusive = true は type 6 ({ type: 6 }) です。jStat は p が 1 に近いと誤り ([1, 2, 3, 4] の 0.9 が 3.7 でなく 3)、exclusive で p が小さいと NaN を返します。
jStat.percentileOfScore ecdf(x)(score) score 以下の値の割合です (jStat の既定 'weak')。'strict' なら x.filter((v) => v < score).length / x.length です。
jStat.histogram hist(x, { breaks }) R は pretty で区切りを選び (既定は Sturges)、右閉区間で数えます。jStat の等幅の区間は hist(x, { breaks: seq(min, max, { lengthOut: bins + 1 }) }).counts で得られます。
jStat.covariance cov(x, y)  
jStat.corrcoeff cor(x, y)  
jStat.spearmancoeff cor(x, y, { method: "spearman" })  
jStat.stanMoment skewness(x) / kurtosis(x) jStat の標準化モーメント (母標準偏差) です。ほかの次数は mean(x.map((v) => ((v - m) / s) ** k)) で計算します。
jStat.skewness skewness(x, { type: 1 }) jStat の歪度は e1071 の type 1 です。e1071 の既定は type 3 です。
jStat.kurtosis kurtosis(x, { type: 1 }) 超過尖度で、e1071 の type 1 です (e1071 の既定は type 3)。

特殊関数と乱数

jStat rStats.js 備考
jStat.gammaln lgamma(x)  
jStat.loggam lgamma(x)  
jStat.gammafn gamma(x)  
jStat.gammap gammainc(x, a).lower 正規化しない下側不完全ガンマ関数です。引数の順に注意: jStat は gammap(a, x) です。
jStat.lowRegGamma pgamma(x, a) 引数の順に注意: R の pgamma(q, shape) です。
jStat.gammapinv qgamma(p, a)  
jStat.factorialln lfactorial(n)  
jStat.factorial factorial(n)  
jStat.combination choose(n, k) R の choose は整数の引数では整数に丸めます。
jStat.combinationln lchoose(n, k)  
jStat.permutation perm(n, k)  
jStat.betafn beta(a, b)  
jStat.betaln lbeta(a, b)  
jStat.betacf pbeta(x, a, b) jStat の連分数は相対変化 3e-7 で止まるので、不完全ベータ関数の精度は 7 桁ほどです。
jStat.ibeta pbeta(x, a, b) jStat は [0, 1] の外で false を返します。R は 0 か 1 を返します。
jStat.ibetainv qbeta(p, a, b)  
jStat.erf erf(x)  
jStat.erfc erfc(x) jStat は 1 − erf(x) で計算するので裾が失われます。erfc は相対精度を保ちます。
jStat.erfcinv erfcinv(p)  
jStat.randn rnorm(n) 行列なら matrix(rnorm(n * m), { nrow: n, ncol: m }) です。
jStat.randg rgamma(n, shape) jStat の行列の形は TypeError になります。

分布

分布には R の名前の d/p/q/r 関数 (dnorm、pnorm、qnorm、rnorm など) があり、log・lowerTail・logP を指定できます。ただしスチューデント化された範囲の分布は、R と同じく ptukey と qtukey だけです。distSummary(distribution, params) は、そのうち 23 の分布について平均・分散・標準偏差・中央値・最頻値・歪度・(超過) 尖度を返します。ウィルコクソンの符号付き順位と順位和の分布、スチューデント化された範囲の分布は対象外で、ncp も扱いません。

jStat rStats.js 備考
jStat.normal.pdf dnorm(x, { mean, sd }) jStat と同じく標準偏差を取ります。
jStat.normal.cdf pnorm(q, { mean, sd })  
jStat.normal.inv qnorm(p, { mean, sd })  
jStat.normal.mean distSummary("norm", { mean, sd }).mean  
jStat.normal.median distSummary("norm", { mean, sd }).median  
jStat.normal.mode distSummary("norm", { mean, sd }).mode  
jStat.normal.sample rnorm(n, { mean, sd })  
jStat.normal.variance distSummary("norm", { mean, sd }).variance  
jStat.studentt.pdf dt(x, df)  
jStat.studentt.cdf pt(q, df)  
jStat.studentt.inv qt(p, df)  
jStat.studentt.mean distSummary("t", { df }).mean  
jStat.studentt.median distSummary("t", { df }).median  
jStat.studentt.mode distSummary("t", { df }).mode  
jStat.studentt.sample rt(n, df)  
jStat.studentt.variance distSummary("t", { df }).variance  
jStat.centralF.pdf df(x, df1, df2)  
jStat.centralF.cdf pf(q, df1, df2)  
jStat.centralF.inv qf(p, df1, df2)  
jStat.centralF.mean distSummary("f", { df1, df2 }).mean  
jStat.centralF.mode distSummary("f", { df1, df2 }).mode  
jStat.centralF.sample rf(n, df1, df2)  
jStat.centralF.variance distSummary("f", { df1, df2 }).variance  
jStat.chisquare.pdf dchisq(x, df) jStat の median は Wilson-Hilferty の近似です。distSummary は qchisq(0.5, df) を返します。
jStat.chisquare.cdf pchisq(q, df)  
jStat.chisquare.inv qchisq(p, df)  
jStat.chisquare.mean distSummary("chisq", { df }).mean  
jStat.chisquare.median distSummary("chisq", { df }).median  
jStat.chisquare.mode distSummary("chisq", { df }).mode  
jStat.chisquare.sample rchisq(n, df)  
jStat.chisquare.variance distSummary("chisq", { df }).variance  
jStat.beta.pdf dbeta(x, a, b)  
jStat.beta.cdf pbeta(q, a, b)  
jStat.beta.inv qbeta(p, a, b)  
jStat.beta.mean distSummary("beta", { shape1: a, shape2: b }).mean  
jStat.beta.median distSummary("beta", { shape1: a, shape2: b }).median  
jStat.beta.mode distSummary("beta", { shape1: a, shape2: b }).mode  
jStat.beta.sample rbeta(n, a, b)  
jStat.beta.variance distSummary("beta", { shape1: a, shape2: b }).variance  
jStat.gamma.pdf dgamma(x, shape, { scale }) 母数: jStat の 2 つ目の母数は尺度です。R の既定は rate なので { scale } で渡します。
jStat.gamma.cdf pgamma(q, shape, { scale })  
jStat.gamma.inv qgamma(p, shape, { scale })  
jStat.gamma.mean distSummary("gamma", { shape, scale }).mean  
jStat.gamma.mode distSummary("gamma", { shape, scale }).mode  
jStat.gamma.sample rgamma(n, shape, { scale })  
jStat.gamma.variance distSummary("gamma", { shape, scale }).variance  
jStat.invgamma.pdf dinvgamma(x, alpha, { beta }) extraDistr の名前です: beta が尺度です。
jStat.invgamma.cdf pinvgamma(q, alpha, { beta })  
jStat.invgamma.inv qinvgamma(p, alpha, { beta })  
jStat.invgamma.mean distSummary("invgamma", { alpha, beta }).mean  
jStat.invgamma.mode distSummary("invgamma", { alpha, beta }).mode  
jStat.invgamma.sample rinvgamma(n, alpha, { beta })  
jStat.invgamma.variance distSummary("invgamma", { alpha, beta }).variance  
jStat.lognormal.pdf dlnorm(x, { meanlog, sdlog })  
jStat.lognormal.cdf plnorm(q, { meanlog, sdlog })  
jStat.lognormal.inv qlnorm(p, { meanlog, sdlog })  
jStat.lognormal.mean distSummary("lnorm", { meanlog, sdlog }).mean  
jStat.lognormal.median distSummary("lnorm", { meanlog, sdlog }).median  
jStat.lognormal.mode distSummary("lnorm", { meanlog, sdlog }).mode  
jStat.lognormal.sample rlnorm(n, { meanlog, sdlog })  
jStat.lognormal.variance distSummary("lnorm", { meanlog, sdlog }).variance  
jStat.exponential.pdf dexp(x, { rate })  
jStat.exponential.cdf pexp(q, { rate })  
jStat.exponential.inv qexp(p, { rate })  
jStat.exponential.mean distSummary("exp", { rate }).mean  
jStat.exponential.median distSummary("exp", { rate }).median  
jStat.exponential.mode distSummary("exp", { rate }).mode  
jStat.exponential.sample rexp(n, { rate })  
jStat.exponential.variance distSummary("exp", { rate }).variance  
jStat.uniform.pdf dunif(x, { min, max }) jStat の median は NaN を返し、mode は例外になります。
jStat.uniform.cdf punif(q, { min, max })  
jStat.uniform.inv qunif(p, { min, max })  
jStat.uniform.mean distSummary("unif", { min, max }).mean  
jStat.uniform.median distSummary("unif", { min, max }).median  
jStat.uniform.mode distSummary("unif", { min, max }).mode  
jStat.uniform.sample runif(n, { min, max })  
jStat.uniform.variance distSummary("unif", { min, max }).variance  
jStat.cauchy.pdf dcauchy(x, { location, scale })  
jStat.cauchy.cdf pcauchy(q, { location, scale })  
jStat.cauchy.inv qcauchy(p, { location, scale })  
jStat.cauchy.median distSummary("cauchy", { location, scale }).median  
jStat.cauchy.mode distSummary("cauchy", { location, scale }).mode  
jStat.cauchy.sample rcauchy(n, { location, scale })  
jStat.weibull.pdf dweibull(x, shape, { scale }) 順序: jStat は (scale, shape)、R は (shape, scale) です。
jStat.weibull.cdf pweibull(q, shape, { scale })  
jStat.weibull.inv qweibull(p, shape, { scale })  
jStat.weibull.mean distSummary("weibull", { shape, scale }).mean  
jStat.weibull.median distSummary("weibull", { shape, scale }).median  
jStat.weibull.mode distSummary("weibull", { shape, scale }).mode  
jStat.weibull.sample rweibull(n, shape, { scale })  
jStat.weibull.variance distSummary("weibull", { shape, scale }).variance  
jStat.kumaraswamy.pdf dkumar(x, a, b) jStat の variance は例外になります。
jStat.kumaraswamy.cdf pkumar(q, a, b)  
jStat.kumaraswamy.inv qkumar(p, a, b)  
jStat.kumaraswamy.mean distSummary("kumar", { a, b }).mean  
jStat.kumaraswamy.median distSummary("kumar", { a, b }).median  
jStat.kumaraswamy.mode distSummary("kumar", { a, b }).mode  
jStat.kumaraswamy.variance distSummary("kumar", { a, b }).variance  
jStat.laplace.pdf dlaplace(x, { mu, sigma }) jStat には逆関数がありません。qlaplace があります。
jStat.laplace.cdf plaplace(q, { mu, sigma })  
jStat.laplace.mean distSummary("laplace", { mu, sigma }).mean  
jStat.laplace.median distSummary("laplace", { mu, sigma }).median  
jStat.laplace.mode distSummary("laplace", { mu, sigma }).mode  
jStat.laplace.variance distSummary("laplace", { mu, sigma }).variance  
jStat.laplace.sample rlaplace(n, { mu, sigma })  
jStat.pareto.pdf dpareto(x, { a, b }) extraDistr の名前です: a が形、b が尺度です (jStat は (scale, shape))。jStat の mean と median は誤りです。
jStat.pareto.cdf ppareto(q, { a, b })  
jStat.pareto.inv qpareto(p, { a, b })  
jStat.pareto.mean distSummary("pareto", { a, b }).mean  
jStat.pareto.median distSummary("pareto", { a, b }).median  
jStat.pareto.mode distSummary("pareto", { a, b }).mode  
jStat.pareto.variance distSummary("pareto", { a, b }).variance  
jStat.triangular.pdf dtriang(x, { a, b, c }) jStat と同じく最小・最大・最頻値です。
jStat.triangular.cdf ptriang(q, { a, b, c })  
jStat.triangular.inv qtriang(p, { a, b, c })  
jStat.triangular.mean distSummary("triang", { a, b, c }).mean  
jStat.triangular.median distSummary("triang", { a, b, c }).median  
jStat.triangular.mode distSummary("triang", { a, b, c }).mode  
jStat.triangular.sample rtriang(n, { a, b, c })  
jStat.triangular.variance distSummary("triang", { a, b, c }).variance  
jStat.arcsine.pdf darcsine(x, { a, b }) jStat の mode は例外になります。最頻値は 2 つ (a と b) なので distSummary は NaN を返します。
jStat.arcsine.cdf parcsine(q, { a, b })  
jStat.arcsine.inv qarcsine(p, { a, b })  
jStat.arcsine.mean distSummary("arcsine", { a, b }).mean  
jStat.arcsine.median distSummary("arcsine", { a, b }).median  
jStat.arcsine.mode distSummary("arcsine", { a, b }).mode  
jStat.arcsine.sample rarcsine(n, { a, b })  
jStat.arcsine.variance distSummary("arcsine", { a, b }).variance  
jStat.binomial.pdf dbinom(x, size, prob) jStat は cdf を 1e-10 に丸めます。
jStat.binomial.cdf pbinom(q, size, prob)  
jStat.negbin.pdf dnbinom(x, size, { prob }) どちらも size 回目の成功までの失敗の数です。
jStat.negbin.cdf pnbinom(q, size, { prob })  
jStat.hypgeom.pdf dhyper(x, m, n, k) 母数: jStat の (N, m, n) は (母集団、成功の数、取り出す数) です。R の dhyper(x, m, n, k) は成功 m、失敗 n = N − m、取り出す数 k を取ります。
jStat.hypgeom.cdf phyper(q, m, n, k)  
jStat.poisson.pdf dpois(x, lambda)  
jStat.poisson.cdf ppois(q, lambda)  
jStat.poisson.mean distSummary("pois", { lambda }).mean  
jStat.poisson.variance distSummary("pois", { lambda }).variance  
jStat.poisson.sample rpois(n, lambda)  
jStat.poisson.sampleSmall rpois(n, lambda)  
jStat.poisson.sampleLarge rpois(n, lambda)  
jStat.tukey.cdf ptukey(q, nmeans, df)  
jStat.tukey.inv qtukey(p, nmeans, df)  
jStat.noncentralt.pdf dt(x, df, { ncp })  
jStat.noncentralt.cdf pt(q, df, { ncp })  

線形代数と数値計算

jStat rStats.js 備考
jStat.add add(a, b) R の再利用規則による要素ごとの演算です (スカラー、ベクトル、同じ形の行列)。
jStat.subtract subtract(a, b) jStat は NaN の結果を 0 にします (value - arg || 0)。
jStat.divide divide(a, b) 要素ごとです。jStat の行列による divide は逆行列を掛けます: matMul(a, solve(b))。
jStat.multiply matMul(a, b) jStat の multiply は行列どうしなら行列の積、スカラーなら要素ごとです。rStats.js では matMul (R の %*%) と要素ごとの multiply に分かれます。
jStat.outer outer(x, y)  
jStat.dot matMul(a, b) jStat の dot は行ごとの内積です。2 つのベクトルなら sum(multiply(x, y)) です。
jStat.pow JS: a.map((r) => r.map((v) => v ** p))  
jStat.exp JS: a.map((r) => r.map(Math.exp))  
jStat.log JS: a.map((r) => r.map(Math.log))  
jStat.abs JS: a.map((r) => r.map(Math.abs))  
jStat.norm norm(a, { type: "F" }) R の norm は行列のノルムです。jStat のベクトルの p ノルムは sum(x.map((v) => Math.abs(v) ** p)) ** (1 / p) です。
jStat.angle JS: Math.acos(sum(multiply(x, y)) / Math.sqrt(sum(multiply(x, x)) * sum(multiply(y, y))))  
jStat.aug cbind(a, b)  
jStat.inv solve(a)  
jStat.det det(a) LU 分解で計算します (jStat は余因子展開を再帰的に行い、1 × 1 で失敗します)。
jStat.gauss_elimination solve(a, b) jStat のピボット探しは符号付きの値で比べます。
jStat.gauss_jordan solve(a, b)  
jStat.triaUpSolve backsolve(r, b)  
jStat.triaLowSolve forwardsolve(l, b)  
jStat.lu lu(a) 部分ピボット付きです (LAPACK の dgetrf、Matrix::lu と同じ): a = P L U。jStat のものはピボットしません。
jStat.cholesky t(chol(a)) R の chol は上三角 R (a = RᵀR) を返します。jStat は下三角を返します。
jStat.gauss_jacobi solve(a, b) 反復解法の代わりに直接解きます。
jStat.gauss_seidel solve(a, b)  
jStat.SOR solve(a, b)  
jStat.householder eigen(a) jStat の Householder の三重対角化は固有値を求める途中の段階です。eigen は固有値を直接与えます。
jStat.QR qr(a) R の列ピボット付きの Householder QR です (qrQ、qrR)。
jStat.lstsq qrSolve(a, b)  
jStat.jacobi eigen(a, { symmetric: true }) jStat は許容値 0.001 で止まり、収束の判定で行と列 0 を飛ばします。
jStat.rungekutta ode(y, times, func, [], { method: "rk4" }) deSolve::ode と同じ固定刻みの euler・rk4 と、deSolve の rkMethod("rk2") と同じ rk2 です。4 つ目の引数は func に渡す parms です。軌跡全体を返します。
jStat.romberg integrate(f, a, b) 適応 Gauss-Kronrod 法 (QUADPACK、R の integrate と同じ) で、誤差の見積もりも返します。
jStat.richardson hessian(f, x) jStat は表の値から 2 階微分を外挿します。grad と hessian は関数に対して Richardson の外挿を使います (numDeriv)。
jStat.simpson integrate(f, a, b) 適応的で誤差の見積もりも返します (jStat の n 分割の複合公式は、刻みの和が b にぴったりならないと最後の節点を落とします)。
jStat.hermite hermiteInterp(x, y, dy, xout) jStat と同じく値と導関数を通る大域の多項式です。区分的な 3 次の Hermite 補間は splinefunH です。
jStat.lagrange barylag(x, y, xout) 重心型の Lagrange 補間で、pracma::barylag と同じです。
jStat.cubic_spline spline(x, y, { xout }) jStat の cubic_spline は例外になります (存在しない jStat.sq を呼ぶ)。splinefun は関数を返します。
jStat.gauss_quadrature integrate(f, a, b) jStat のものは “not yet implemented” で例外になります。
jStat.PCA prcomp(x) 観測は x の行です (jStat は列)。主成分の符号は違うことがあります。

仮説検定

jStat rStats.js 備考
jStat.zscore JS: (value - mean(x)) / sd(x)  
jStat.ztest zTest(x, { mu, sigmaX }) BSDA::z.test と同じです。jStat の片側 p 値は効果の向きを無視します。
jStat.tscore tTest(x, { mu }).statistic 符号が逆です: jStat の tscore(value, x) は (value − mean) / se です。
jStat.ttest tTest(x, { mu }).pValue jStat の 4 引数の形は (t, n, sides) と解釈されてしまいます。
jStat.anovafscore aovSummary(aov(groups)).table[0][3]  
jStat.anovaftest aovSummary(aov(groups)).table[0][4] onewayTest(groups, { varEqual: true }) でも得られます。
jStat.ftest pf(f, df1, df2, { lowerTail: false })  
jStat.qscore TukeyHSD(groups)  
jStat.qtest ptukey(q, k, df, { lowerTail: false })  
jStat.tukeyhsd TukeyHSD(groups) R の TukeyHSD と同じく差と信頼区間も返します。
jStat.normalci zTest(x, { sigmaX }).confInt jStat の配列の形は母標準偏差を使います。
jStat.tci tTest(x).confInt  
jStat.significant JS: p < alpha  
jStat.fn.anovaftes aovSummary(aov(groups)).table[0][4] jStat での綴りは anovaftes です (文書にあるインスタンスの anovaftest() は存在しません)。
jStat.fn.oneSidedDifferenceOfProportions propTest([x1, x2], [n1, n2], { alternative: "greater", correct: false }) プールした比率の z 検定は、連続性補正のないカイ二乗検定です。向きは alternative で選びます。
jStat.fn.twoSidedDifferenceOfProportions propTest([x1, x2], [n1, n2], { correct: false })  

モデル

jStat rStats.js 備考
jStat.models.ols lm(x, y) lm は切片を自分で足します (jStat は 1 の列を含めて渡します)。jStat の SSE は説明された平方和、SSR は残差平方和で、普通の名前と逆です。

回帰

jStat rStats.js 備考
jStat.buildxmatrix lm(x, y) 不要です: lm は説明変数を行列で受け取り、切片を足します。
jStat.builddxmatrix lm(x, y)  
jStat.buildjxmatrix lm(x, y)  
jStat.buildymatrix lm(x, y)  
jStat.buildjymatrix lm(x, y)  
jStat.matrixmult matMul(a, b)  
jStat.regress lm(x, y).coefficients  
jStat.regresst lm(x, y) 係数の表 (推定値・標準誤差・t・p) と分散分析の量です。jStat の t 検定は自由度を n − p − 1 にしているように見えます。
jStat.xtranspx crossprod(x)  
jStat.xtranspxinv solve(crossprod(x))  
jStat.jMatYBar mean(y)  
jStat.residuals lm(x, y).residuals  
jStat.ssr lm(x, y) 回帰の平方和です: sum(fitted.map((v) => (v - mean(y)) ** 2))。
jStat.sse lm(x, y) 残差平方和です: sum(residuals.map((v) => v * v))。
jStat.sst variance(y) * (y.length - 1)  
jStat.matrixsubtract subtract(a, b)  

jStat のバグ

置き換えの関数はこれらの場合も正しい値を返します (test/jstat-replacement.test.ts の例はこれらを除いています)。

This site is open source. Improve this page.