2026-05-02 08:00:00
这是一道 2019 年的某公司笔试题，面试官要求用不少于 5 种统计模型来建模，在三天内完成并给一个展示。不过，本文仅给出探索分析和广义线性模型的结果，算是前一篇广义线性模型和指数族的应用。
2026-04-30 08:00:00
本文假定读者对简单线性模型（Simple Linear Models）已经比较熟悉了，在其他条件不变的情况下，当响应变量不是高斯分布，而是其他分布时，如何拟合模型呢？在 R 语言中，内置的函数 glm() 可以拟合响应变量的分布属于指数族的模型。这类模型单独取了个名字，叫广义线性模型（Generalized Linear Models）。典型的情况有这样一些，响应变量服从泊松分布、伯努利分布、二项分布、指数分布、伽马分布等。这些常见的分布都可以写成一个指数族（Exponential family）的统一形式，如下。
2026-04-18 08:00:00
数据可视化方面，我可是用过不少的 R 包，在生产实践上，大量使用的 R 包是 plotly 包，自己出于兴趣又嫌 plotly 包太笨重，遂在本博客网站上，大量使用 echarts4r 包。
2026-04-15 08:00:00
中国政府部门统计数据发布网站
| 海南省 | 广西省 | 湖南省 |
| 湖北省 | 河南省 | 山东省 |
| 江西省 | 江苏省 | 上海市 |
| 福建省 | 安徽省 | 贵州省 |
| 河北省 | 天津市 | 重庆市 |
| 浙江省 | 吉林省 | 辽宁省 |
| 四川省 | 宁夏 | 青海省 |
| 内蒙古 | 陕西省 | 新疆 |
| 黑龙江省 | 吉林省 | 北京市 |
| 国家统计局 | 中国人民银行 |
2026-04-13 08:00:00
在生产环境中，数仓团队根据业务需求，生产一张张表（明细表 detail、维度表 dim、主题表 topic、聚合表 aggr、应用表 app），落在 Hive 管理的数据仓库中。Spark 是大规模分布式计算引擎，将数据加载到内存中进行计算。在大规模复杂的计算中，会用到 Hive SQL 或 Spark SQL，前者内存资源需求少但计算慢，后者吃内存资源但计算更快。
2026-04-13 08:00:00
数据集 cars 来自 Base R 内置的 datasets 包，仅有两个变量 speed （单位：英里/每小时）和 dist（单位：英尺），1 英里约等于 1.6 公里，1 英尺约等于 30.48 厘米。下表展示了数据集 cars 的部分内容。
