EGRET，全称为“Environmental Statistics for Geospatial REgistry and Reporting Tool”，是一个基于R语言的开源软件包，专门设计用于分析水体质量和流量的长期变化。它采用了一种名为Weighted Regressions on Time, Discharge, and Season (WRTDS)的方法，这是一种统计模型，能够帮助研究人员和水资源管理者理解并预测水质参数随时间和河流流量的变化模式。WRTDS方法的核心在于考虑了时间、流量和季节性因素对水质数据的影响，从而提供更准确的分析结果。 在EGRET包中，用户可以进行以下操作： 1. 数据导入与处理：EGRET支持导入水质监测站的观测数据，包括不同时间点的水质参数（如溶解氧、氨氮、pH值等）和对应的流量数据。用户可以方便地清洗和整理这些数据，以便进一步分析。 2. 时间序列分析：EGRET提供了对时间序列数据的统计分析工具，如趋势分析、周期性分析，以及异常检测，帮助识别数据中的关键模式和变化。 3. 流量调整：WRTDS方法的一个关键步骤是将水质数据根据流量进行调整，以消除流量变化对水质参数的影响。EGRET包包含了实现这一过程的函数。 4. 季节性分析：考虑到水环境的季节性变化，EGRET允许用户对数据进行季节性分解，以揭示季节性模式。 5. 加权回归：EGRET通过WRTDS模型进行加权回归分析，权重根据时间、流量和季节变化而定，以得到更精确的参数估计。 6. 结果可视化：除了强大的数据分析功能，EGRET还提供了丰富的图形生成工具，包括时间序列图、流量调整图、回归系数图等，便于用户直观理解分析结果。 7. 预测与模拟：利用建立的模型，EGRET可以对未来水质变化进行预测，这对于水资源管理和保护至关重要。 8. 文档与支持：EGRET的官方网页（http://usgs-r.github.io/EGRET）提供了详细的文档、教程和示例，帮助用户快速上手并深入理解WRTDS方法。 EGRET-master这个压缩文件名可能是EGRET项目源代码的主分支，通常包含软件包的源代码、测试用例、文档和其他资源，对于开发者来说，这将是一个深入了解EGRET内部工作原理和进行定制开发的好起点。 EGRET是一个强大的R包，它结合了统计学和水文学的知识，为水环境研究提供了有力的工具。无论是科研人员还是水管理决策者，都能从中受益，有效地理解和应对水体质量的长期变化。

ssdtools ssdtools是一个R软件包，用于绘制和拟合物种敏感度分布（SSD）。 SSD是累积概率分布，适合于不同物种的毒性浓度，如Posthuma等人所述。 （2001）。 ssdtools软件包使用最大似然来拟合分布，例如对数正态，伽马，对数逻辑，对数古姆贝尔，Gompertz和Weibull。 用户还可以提供自定义发行版。 可以使用信息标准对多个分布进行平均。 通过参数自举产生危害浓度和比例的置信区间。 安装 要从安装最新版本 install.packages( " ssdtools " ) 要安装最新的开发版本： install.packages( " remotes " ) remotes :: install_github( " bcgov/ssdtools " ) 介绍 ssdtools提供了包括硼在内的多种化学物质的数据集。 library( ssdto

bayestestR：用于分析贝叶斯模型和后验分布的实用工具

经济图套餐 用ggplot2制作的微观经济学/宏观经济学图 该软件包允许使用简单的功能在R中创建微观经济学或宏观经济学图表。这个软件包的灵感来自Andrew Heiss的 。 该软件包正在大力发展中。工作正在进行中。您可以通过提交问题或贡献提交拉取请求来提出建议。 去做 完成文件 价格控制（在sdcurve功能中） 允许绘图自定义功能 添加预算约束图 修复linecol参数 税收图 阴暗的生产者和消费者剩余 添加Edgeworth框 一般均衡（由伊利亚建议） 前景理论价值函数（@brshallo建议） 新古典主义的劳动力供给（由@ hilton1建议） 指数 安装 的GitHub # Install the development version from GitHub: # install.packages("devtools") devtools :: install_github(

rnaturalearth：一个R包，用于保存并促进与自然地球地图数据的交互

甘特化 ganttrify有助于创建美观的甘特图，常用于项目提案和项目管理。 如果您只想在交互式 Web 界面中查看此内容，。 更多。 请继续阅读以获取更多详细信息和示例。 动机 可以在网上找到有助于从 R 创建甘特图的记录尝试。其中一些（例如和 ）使用“ggplot2”，但我觉得它们看起来不太好。 我在找到的答案也是如此。 即使可以在 R 中创建甘特图，但同样，我不喜欢最终结果。 我确实找到了一个的，但它是在基础 R 中的，现在所有酷孩子都知道 R 中的基础绘图存在只是：不是一个选项！ （嘿，我开玩笑的，别@我！） 考虑到我对甘特图的时髦品味，我别无选择，只能用一个自命不凡的高档名称来制作这个包，而不是明显的“ganttr”。 请欢迎ganttrify 。 免责声明 更严重的是，这是制作外观漂亮的甘特图的快速尝试。 是的，我将启用您喜欢的所有自定义，但首先我实际上需要提交

阿格里达 主页： ： 仓库： : agridat软件包提供了来自农业实验的大量数据集。 数据集来自与农业有关的书籍，论文和网站。 包括示例图形和分析。 数据来自小规模试验，多环境试验，均匀性试验，产量监测仪等。 主要特征： 详尽的文档。 （几乎）每个数据集的示例。 安装 # Install the released version from CRAN: install.packages( " agridat " ) # Install the development version from GitHub: install.packages( " devtools " ) devtools :: install_github( " kwstat/agridat " ) 用法 library( agridat ) ? agridat # list all dataset

textanalysis：R中的文本分析

电脑 mcmcr是一个R包，用于处理蒙特卡洛马尔可夫链（MCMC）样本（Brooks等人，2011）。 安装 要从安装最新版本 install.packages( " mcmcr " ) 从安装开发版本 # install.packages("remotes") remotes :: install_github( " poissonconsulting/mcmcr " ) 介绍 为了便于讨论，MCMC样本表示来自单个链的单个迭代的项的值。 尽管简单的参数（例如截距）对应于单个项，但更复杂的参数（例如两个因子之间的相互作用）则由具有其固有维数的多个项组成-在这种情况下为矩阵。 一组MCMC样本可以以不同的方式存储。 现有课程 三种最常见的S3类存储MCMC示例，如下所示： coda::mcmc将来自单个链的MCMC样本存储为矩阵，其中每一行代表一个迭代，每一列代表一个变量 coda:

R中的广义线性混合模型教程 该存储库包含（相对）简短的教程，介绍使用R拟合和比较模型的广义线性混合模型（GLMM）。 本教程的一般内容是由Richard McElreath出色的统计学课程“ Statistical Rethinking”启发而来的。 有关该材料的最新信息，可以在理查德的找到。 特别是，我编写此脚本时借鉴了课程期末考试中出现的一系列问题。 这些练习对我来说尤其具有启发性，因为它们说明包含随机效应（又称变化效应）不仅可以改变相对模型排名，而且还强调，添加随机效应可以极大地改变我们对固定效应的估计（即，通常情况下，关心我们的模型中的大多数）。 本教程使用R软件包lme4 ， AICcmodavg和rethinking 。 赤池的信息准则（AIC）用于比较拟合模型。 储存库内容 glmm_tutorial_script.R文件包含我的代码和教程注释 glmm_tutorial_d