本文介绍了线性回归的基础，包括散点图、线性拟合和统计检验。深入探讨了在假设误差项服从正态分布的情况下，如何进行斜率的t检验，并使用R代码演示了显著性检验。进一步讨论了在多重检验中的问题，如Bonferroni方法和FDR（False Discovery Rate）的Benjamini-Hochberg方法，强调了在大数据时代统计矫正的重要性。
P122, 这是IQR method课的第一次作业，需要统计检验，x和y是否显著的有线性关系。
Assignment 1 1) Find a small bivariate dataset (preferably from your own discipline) and produce a scatterplot (this is easy using any spreadsheet) 2) Use any statistics tool (a calculator, spreadsheet or statistical package) to calculate the best fitting regression line and test whether the population slope (=B) is zero. Notes: 1. Testing whether the population slope (=B) is zero is different to whether the estimated slope (=b) is zero. 2. Instructions for loading and using the Analysis Toolpak in Excel: <https://support.office.com/en-us/article/load-theanalysis- toolpak-in-excel-6a63e598-cd6d-42e3-9317-6b40ba1a66b4>
入门：散点图、线性拟合、拟合参数slope
进阶：统计检验，多重矫正FDR
基本概念：
最低0.47元/天 解锁文章
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
