原文链接：http://tecdat.cn/?p=22956

原文出处：拓端数据部落公众号

数据简介

受第三类错牙合畸形影响的患者（以下牙弓突出为特征），其骨骼不平衡在生命早期就产生，在青春期和骨骼成熟前会变得更加明显。在单个III类患者中早期预测治疗的成功或失败，使其更容易矫正，但仅从少量的形态决定因素中预测是很难做到的。原因是III类错颌畸形很少是单一颅面部件异常的结果，所以单个的临床和放射学测量值可能不如测量值本身的相互作用具有指示性。

我们将使用的数据集包含143名患者（查看文末了解数据获取方式)，在T1和T2年龄段有两组测量数据（以年为单位）。

数据详情

数据格式

csv

字段

治疗：未经治疗（NT），治疗后效果不好（TB），治疗后效果好（TG）。

生长：一个二元变量，数值为好或坏。

ANB：唐氏点A和B之间的角度（度）。

IMPA：门牙-下颌平面角（度）。

PPPM：腭平面-下颌平面的角度（度）。

CoA：上颌骨从髁状突到唐氏点A的总长度（mm）。

GoPg：下颌体从齿龈到齿龈的长度（mm）。

CoGo：下颌骨的长度，从髁状突到齿状突（mm）。

大小

12.2kb

样本量

143

数据浏览

以前7行数据为例，我们来预览一下：

变量探索：

数据获取

在下面公众号后台回复“错颌畸形数据集”，可获取完整数据。

点击标题查阅往期内容

R语言中贝叶斯网络（BN）、动态贝叶斯网络、线性模型分析错颌畸形数据

左右滑动查看更多

01

02

03

04

点击标题查阅往期内容

R语言JAGS贝叶斯回归模型分析博士生延期毕业完成论文时间

R语言Metropolis Hastings采样和贝叶斯泊松回归Poisson模型

Python决策树、随机森林、朴素贝叶斯、KNN（K-最近邻居）分类分析银行拉新活动挖掘潜在贷款客户

R语言贝叶斯MCMC：用rstan建立线性回归模型分析汽车数据和可视化诊断

R语言贝叶斯MCMC：GLM逻辑回归、Rstan线性回归、Metropolis Hastings与Gibbs采样算法实例

R语言贝叶斯Poisson泊松-正态分布模型分析职业足球比赛进球数

随机森林优化贝叶斯预测分析汽车燃油经济性

R语言逻辑回归、Naive Bayes贝叶斯、决策树、随机森林算法预测心脏病

R语言用Rcpp加速Metropolis-Hastings抽样估计贝叶斯逻辑回归模型的参数

R语言中的block Gibbs吉布斯采样贝叶斯多元线性回归

Python贝叶斯回归分析住房负担能力数据集

R语言实现贝叶斯分位数回归、lasso和自适应lasso贝叶斯分位数回归分析

Python用PyMC3实现贝叶斯线性回归模型

R语言用WinBUGS 软件对学术能力测验建立层次（分层）贝叶斯模型

R语言Gibbs抽样的贝叶斯简单线性回归仿真分析

R语言和STAN,JAGS：用RSTAN,RJAG建立贝叶斯多元线性回归预测选举数据

R语言基于copula的贝叶斯分层混合模型的诊断准确性研究

R语言贝叶斯线性回归和多元线性回归构建工资预测模型

R语言贝叶斯推断与MCMC：实现Metropolis-Hastings 采样算法示例

R语言stan进行基于贝叶斯推断的回归模型

R语言中RStan贝叶斯层次模型分析示例

R语言使用Metropolis-Hastings采样算法自适应贝叶斯估计与可视化

R语言随机搜索变量选择SSVS估计贝叶斯向量自回归（BVAR）模型

WinBUGS对多元随机波动率模型：贝叶斯估计与模型比较

R语言实现MCMC中的Metropolis–Hastings算法与吉布斯采样

R语言贝叶斯推断与MCMC：实现Metropolis-Hastings 采样算法示例

R语言使用Metropolis-Hastings采样算法自适应贝叶斯估计与可视化

视频：R语言中的Stan概率编程MCMC采样的贝叶斯模型

R语言MCMC:Metropolis-Hastings采样用于回归的贝叶斯估计

欲获取全文文件，请点击左下角“阅读原文”。