数据分析竞赛之错题总结（卷8

一、临界点

1、临界点是指技术方案允许不确定性因素向不利方向变化的极限值。超过极限，技术方案的效益指标将不可行

2、结论

（1）斜率越大，越敏感

（2）极限值越小，越敏感

（3）采用图解法时，每条直线与判断基准线的相交点所对应的横坐标上不确定因素变化率即为该因素的临界点

（4）对同一个技术方案，随着基准收益率的提高，临界点就会变低（临界点表示的不确定因素的极限变化变小）

（5）利用临界点判断敏感因素的方法是一种绝对测定法

（6）在一定指标判断标准（如基准收益率）下，对若干不确定性因素中，临界点越低，说明该因素对技术方案经济效果指标影响越大，技术方案对该因素就越敏感

 对同一个技术方案,随着设定基准收益率的提高,临界点就会变低(即临界点表示的不确定因素的极限变化变小。临界值的大小不能作为敏感性对比的依据,临界点百分比越小,表明不确定性因素越敏感。

二、置信区间

置信区间,其大小取决于测定的标准偏差、测定次数和置信度的选择。

置信度与测量次数的大小关系。测定次数越多，置信区间越小，测定次数每扩大4倍，置信区间缩小一半。

置信水平越高，测定的可靠性越高的说法是错误的。

当要提高置信水平（即真实值落在置信区间中的概率）的时候，相应的将要付出的代价就是拉长置信区间，也就是区间半径的增大。那么很显然的，如果让一个区间保持完美的，100%的可靠度，在已有的条件下，我只能将区间半径拉长到∞。也就是置信区间为R。显然这个参数估计就失去了意义，自然不存在可靠性。

三、回归平方和

回归平方和ESS (Explained Sum of Squares)是因变量回归值ŷ-因变量平均值y的离差平方和，数值上=∑(ŷ-ȳ)2，也称为解释平方和。用回归方程或回归线来描述变量之间的统计关系时，实验值yi与按回归线预测的值ŷ并不一定完全一致。ESS越大说明多元线性回归线对样本观测值的拟合情况越好。

回归平方和ESS是总偏差平方和（总离差平方和）TSS与残差平方和之差RSS，ESS= TSS-RSS。

其中，TSS=∑(yi-ȳ)2=∑(u)2，其中ȳ是各实验值yi的平均值，u=y-ŷ；RSS=∑(yi-ŷ)2。

ESS=R²×TSS，R²为可决系数（亦称确定系数）。

四、二次规划

二次规划问题还是一个典型的凸优化问题。

要目标函数不是二次函数，或约束不是线性约束，满足其中任意一个，则此问题就不是二次规划问题。非二次规划问题可能是凸问题，也可能是非凸问题。

二次规划问题(qp)和序列二次规划问题(sqp)的简单理解_qp问题_zmhzmhzm的博客-CSDN博客

 五、其他