Nonlinear Programming Methods

    statkit

    0.2.0 • Public • Published

    statkit

    A statistics toolkit for javascript.

    Usage

    Install using npm:

    npm install statkit
    

    Fit a linear regression model using MCMC:

    var sk = require("statkit.js");
     
    // log-likelihood for the model y ~ N(m*x + b, 1/t)
    function lnlike(theta, x, y) {
      var m = theta[0], b = theta[1], t = theta[2];
      var s = 0.0;
      for (var i = 0; i < x.length; i++) {
        var r = y[i] - (* x[i] + b);
        s += r*r*- Math.log(t);
      }
      return -0.5*s;
    }
     
    // uniform log-prior for m, b, t
    function lnprior(theta) {
      var m = theta[0], b = theta[1], t = theta[2];
      if (0.0 < m && m < 1.0 && 0.0 < b && b < 10.0 && 0.0 < t && t < 100.0) {
        return 0.0;
      }
      return -Infinity;
    }
     
    // posterior log-probability function
    function lnpost(theta, x, y) {
      var lp = lnprior(theta);
      if (!isFinite(lp)) {
        return -Infinity;
      }
      return lp + lnlike(theta, x, y);
    }
     
    var x = [10, 8, 13, 9, 11, 14, 6, 4, 12, 7, 5];
    var y = [8.04, 6.95, 7.58, 8.81, 8.33, 9.96, 7.24, 4.26, 10.84, 4.82, 5.68];
     
    var res = sk.metropolis(function(theta) { return lnpost(theta, x, y); },
      [0.5, 3.0, 1.0], 1000000, 0.1, 50000, 100);
     
    console.log('acceptance rate:', res.accepted)
    console.log('posteriors (16/50/84 percentiles):')
    console.log('m', sk.quantile(res.chain[0], 0.16),
      sk.median(res.chain[0]), sk.quantile(res.chain[0], 0.84))
    console.log('b', sk.quantile(res.chain[1], 0.16),
      sk.median(res.chain[1]), sk.quantile(res.chain[1], 0.84))
    console.log('t', sk.quantile(res.chain[2], 0.16),
      sk.median(res.chain[2]), sk.quantile(res.chain[2], 0.84))

    Calculate a confidence interval for a correlation using the bootstrap method:

    var sk = require("statkit");
     
    var lsat = [576, 635, 558, 578, 666, 580, 555,
                661, 651, 605, 653, 575, 545, 572, 594];
    var gpa = [3.39, 3.30, 2.81, 3.03, 3.44, 3.07, 3.00,
               3.43, 3.36, 3.13, 3.12, 2.74, 2.76, 2.88, 2.96];
     
    var corr = sk.corr(gpa, lsat);
    var ci = sk.bootci(100000, sk.corr, gpa, lsat);
     
    console.log("corr = ", corr, "ci = ", ci);

    Perform a linear regression on the first data set in Anscombe's quartet:

    var sk = require("statkit");
     
    var x = [10, 8, 13, 9, 11, 14, 6, 4, 12, 7, 5];
    var y = [8.04, 6.95, 7.58, 8.81, 8.33, 9.96, 7.24, 4.26, 10.84, 4.82, 5.68];
     
    var A = new Array(x.length*2);
    for (var i = 0; i < x.length; ++i) {
      A[2*i] = 1;
      A[2*+ 1] = x[i];
    }
    var b = sk.lstsq(x.length, 2, A, y);
     
    console.log("intercept = ", b[0], "slope = ", b[1]);

    Functions

    Credits

    (c) 2015 Erik Rigtorp erik@rigtorp.se. MIT License

    Install

    npm i statkit

    DownloadsWeekly Downloads

    28

    Version

    0.2.0

    License

    MIT

    Last publish

    Collaborators

    • rigtorp