nvsirgn的博客

什么是肌电图？肌电图（EMG）是一种评估肌肉和控制肌肉的神经细胞健康状况的诊断方法。这些神经细胞被称为运动神经元。它们传递电信号，使肌肉收缩和放松。肌电图将这些信号转换成图形或数字，帮助医生做出诊断。当某人出现肌肉或神经紊乱的症状时，医生通常会命令进行肌电图检查。这些症状可能包括刺痛、麻木或四肢无力。肌电图结果可以帮助医生诊断肌肉疾病，神经疾病，以及影响神经和肌肉连接的疾病。有些医生可能把肌电图作为一种电诊断检查。为什么要做肌电图检查？如果你的症状表明你有肌肉或神经紊乱，医生可能会给你做肌电图检查

​写的时候也从互联网找了一些资料，参考链接放在文章中间了。一些稀碎的东西：卡方分布的n是用来查表的关键要素。variance：方差standard deviation：标准差本文其实重点是用样本推断整体这部分内容的一个简单引子，对用样本推断整体做了一些知识的铺垫和通俗化的解释。对Chapter 2 Extra Slides PPT中的内容做了一部分补充，比如：中心极限定理的通俗解释大多数情况下，总体为什么可以假设服从正态分布的原因或猜想后面还有随笔2/3/…，以便把这部分内容做一个系统的梳理

什么是机器学习？此处给出了机器学习的两个定义。亚瑟·塞缪尔（Arthur Samuel）将其描述为：“机器学习赋予计算机无需明确编程就能学习的能力。”这是一个古老的、非正式的定义。Tom Mitchell给出了一个更现代的定义：“一个计算机程序被认为是从经验E中学习关于某类任务T和性能度量P的经验，如果它在T中的任务的性能（用P来衡量）随着经验E而提高。”例如：玩跳棋。E=玩许多次跳棋游戏的经验T=下棋的任务。P=程序赢得下一局的概率。一般来说，任何机器学习问题都可以分为两大类：有监督学习

参考：https://www.coursera.org/learn/machine-learning/supplement/NKVJ0/supervised-learning监督学习在有监督学习中，我们得到了一个数据集（输入），并且已经知道了我们正确的输出应该是什么样子的，并认为输入和输出之间存在关系。监督学习问题分为回归问题和分类问题。在回归问题中，我们试图预测连续性输出的结果，这意味着我们试图将输入变量映射到某个连续函数。在分类问题中，我们试图预测离散输出中的结果。换句话说，我们试图将输入变

三个金融发展指标–私营部门信贷、流动负债和国内信贷，共同构成金融发展水平指标。金融发展私营部门信贷流动负债国内信贷贸易开放机构（INS）政府支出通货膨胀Financial developmentPrivate Sector CreditLiquid LiabilitiesDomestic CreditTrade OpennessInstitutions (INS)Government ExpenditureInflation以下是一些相近/相关的定义：私营部门贷款是指提供

本文部分参考了对外经贸大学金融学院张海洋老师的文章https://max.book118.com/html/2018/1024/6133101022001224.shtm，同时他参考了Roodman(2009)中原作者写的说明性材料，因而张老师讲的具有一定的权威性，本文讲的是基于张老师讲的内容的作者自己的理解，略微通俗易懂一些，实际上可能意思差不多，但是张老师的公式会多一些，更加严谨。此处做个导读或者摘要：按照我的理解（魏彦兆注），GMM方法实际上是针对数据回归进行尽可能无偏估计的一种方法。针对某些情

关于动态面板阈值模型：用于研究经济变量跨期关系。用动态面板阈值模型研究金融和经济增长的关系，关键公式：（等式1）其中ui是一个国家的固定效应；FINit是用于将样本分成不同区域或组的阈值变量；λ是未知阈值参数；I(·)是指示符函数，如果括号中的参数有效，则取值1，反之为0这种类型的建模策略允许根据FIN的高低水平不同（即是高于λ还是低于λ），财务的作用有所不同；Xit表示解释性回归向量，包括因变量和其他内生变量的滞后值，以及外生变量，其中斜率系数均假定为地区无关的。解释变量的向量被划分为与εi

峰度（Kurtosis）定义峰度又称峰态系数，表征概率密度分布曲线在平均值处峰值高低的特征数，即是描述总体中所有取值分布形态陡缓程度的统计量。直观看来，峰度反映了峰部的尖度。这个统计量需要与正态分布相比较。公式定义上峰度是样本的标准四阶中心矩（standardized 4rd central moment)。随机变量的峰度计算方法为随机变量的四阶中心矩与方差平方的比值。具体计算公式为：性质　　　　　　峰度 =0表示该总体数据分布与正态分布的陡缓程度相同；峰度 >0表示该总体数据分布

这三个分布都是基于正态分布变形得到的，在实际中只能用来做假设检验。比如卡方分布（chi-square distribution, χ²-distribution，或写作χ²分布），已知样本X都是服从正态分布的样本，而且方差未知，那么，检验X的均值就会用到t分布，其他的情况也类似，可以看看数理统计相关内容例题：以X^2分布为例子吧x1,x2…xn都遵守N(0,1)的正态分布，则x12+x22+…遵守X2(n)分布(卡方分布)相当于形成了一个新统计量Y=x12+x22+…自由度和正态分布变量n一致。另