专业知识
名字太简单就记不住
学艺不精,写博客更多的是为了方便自己看,设置粉丝可见并非钓鱼,Thanks♪(・ω・)ノ
展开
-
SPSS学习笔记(六)线性相关及回归
目录一、线性相关分析分析操作结果及分析二、直线回归分析分析操作结果及分析一、线性相关分析分析:案例:某研究者开展一项研究,拟探讨胆固醇浓度(mmol/L)与久坐时间((mins/day))是否有关。研究者收集了研究对象每天久坐时间(变量time)和胆固醇浓度(变量cholesterol)。观察两个连续变量之间的相关性,可以使用Pearson相关分析。需要考虑5个假设。假设1:两个变量都是连续变量。假设2:两个连续变量应当是配对的,即来源于同一个个体原创 2020-11-19 12:04:17 · 7719 阅读 · 2 评论 -
SPSS学习笔记(五)卡方检验
和“SPSS学习笔记”的其他方法不同,卡方检验是针对计数资料的目录一、卡方检验、Fisher精确检验(2*2)分析操作结果及分析二、卡方检验(R×C)分析操作结果及分析三、配对卡方检验分析操作结果及分析一、卡方检验、Fisher精确检验(2*2)分析:案例:该医生招募了100名研究对象,按照吸烟状态分为两组,其中吸烟者52人,不吸烟者48人,探讨吸烟与阿尔兹海默症之间的关联性需要先满足4项假设:假设1:存在两个二分类变量,原创 2020-11-19 11:58:53 · 10716 阅读 · 0 评论 -
SPSS学习笔记(四)非参数检验
目录一、配对:Wilcoxon符号-秩检验分析操作结果及分析二、独立样本:Mann-Whitney U检验分析操作结果及分析三、单因素ANOVA:Kruskal-Wallis检验分析操作结果及分析一、配对:Wilcoxon符号-秩检验分析:配对t检验适用于两组差值近似服从正态分布的数据。当不满足该前提时,可选择Wilcoxon符号秩检验。案例:研究者拟判断同一组研究对象在药物治疗前后体内甘油三酯水平的变化,本研究的数据为非正态分布。针对这种情况原创 2020-11-19 11:51:09 · 17000 阅读 · 1 评论 -
SPSS学习笔记(三)方差分析ANOVA(F检验)
一、单因素ANOVA单因素方差分析是两个样本平均数比较的引伸,它是用来检验多个平均数之间的差异,从而确定一种因素对试验结果有无显著性影响的统计方法。分析:研究者想分析不同group间的Index得分差异,可以采用单因素方差分析。单因素方差分析适用于2种类型的研究设计:1)判断3个及以上独立的组间均数是否存在差异(也可以是2组,此时等同于独立样本t检验);2)判断前后变化的差值是否存在差异。使用单因素方差分析时,需要考虑6个假设。假设1:因变量为连续变量;假设2:有一.原创 2020-11-19 11:40:43 · 44403 阅读 · 1 评论 -
SPSS学习笔记(二)T检验
一、单样本T检验推断该样本来自的总体均值μ与已知的某一总体均值μ0(理论值)有无差别,用于比较一组数据与一个特定数值之间的差异情况。应用举例:1、从某厂生产的零件中随机抽取若干件,检验其某种规格的均值是否与要求的规格相等(双侧检验)2、在某偏远地区随机抽取若干健康男子,检验其脉搏均数是否高于全体健康男子平均水平(单侧检验)3、检验某一线城市全体高三学生视力水平是否比全国全体高三学生视力水平低(单侧检验)分析:本例25例贫困孕妇接受了膳食服务,他们的新生儿体重即为一个样本,而所有未原创 2020-11-19 11:21:15 · 4229 阅读 · 0 评论 -
SPSS各类检验、因素分析、分类方法
两组数据显著差异分析:T检验(组内、组间两组定类数据差异性分析:卡方检验(另一个统计类别变量对数值变量的影响:检验不同机器对装填量是否有显著性影响...原创 2020-03-25 15:05:38 · 8652 阅读 · 0 评论 -
SPSS学习笔记(一)判断是否服从正态分布
一、正态性检验:图形定性判断1、直方图在样本量比较大时,可根据直方图及对应的正态概率密度曲线的形状大致判断资料是否服从正态分布。操作:图形-旧对话框-直方图结果与分析上图中横坐标为猪崽体重,纵坐标为猪崽频数。可以看出绘制的直方图与对应的正态分布曲线形状大致相同,基本可以判断资料服从正态分布。2、P-P图和Q-Q图P-P图(频率-频率图)反映了实际观测值的累积频率(横坐标)与正态分布的理论累积概率(纵坐标)的符合程度,Q-Q图(分位数-分位数图)反映了实际观测值的分位.原创 2020-11-19 11:12:45 · 12879 阅读 · 4 评论 -
深度学习之Pytorch(三)经典卷积神经网络
1.0 LeNet可训练参数:(滤波器大小+bias) 滤波器个数连接数:输出大小参数个数具体计算:https://cuijiahua.com/blog/2018/01/dl_3.html1.1 AlexNet(论文翻译)第一次引入激活层 ReLU,在全连接层引入了 Dropout 层防止过拟合的网络利用两块GPU是为了提高运算的效率,网络结构上差异不是很大...原创 2019-08-31 11:38:26 · 1809 阅读 · 0 评论 -
深度学习之Pytorch(二)卷积神经网络基础
1.1卷积神经网络概述不同于一般的全连接神经网络,卷积神经网络是一个 3D 容量的神经元,神经元是以三个维度来排列的:宽度、高度 和深度。 卷积神经网络中的主要层结构有三个:卷积层、池化层和全连接层。卷积层和全连接层拥有参数(通过梯度下降法更新),而激活层和池化层不含参数。1.2 卷积层每个滤波器在空间上(宽度和高度) 都比较小,但是深度和输入数据的深度保持一致 每个卷积层上...原创 2019-08-28 20:48:57 · 1379 阅读 · 0 评论 -
深度学习之Pytorch(一)神经网络基础及代码实现
1.1 Tensor (张量)Tensor 可以和 numpy 的 ndarray相互转换 Tensor有不同数据类型,有32位浮点型torch.FloatTensor、64位浮点型 torch.DoubleTensor等1.2 Variable (变量)Variable 和 Tensor 本质上没有区别,不过 Variable 会被放入一个计算图中,然后进行前向传播,反向传播,自动求...原创 2019-08-24 12:10:06 · 6592 阅读 · 1 评论 -
牛老师考察の基础知识
一、奈奎斯特采样定理定义:若连续信号x(t)是有限带宽的,其频谱的最高频率为fc。对x(t)抽样时,若保证抽样频率fs>2fc,那么可由x(nTs)恢复出x(t),即x(nTs)保留了x(t)的全部信息。带宽:在某个频率范围内的信号频谱已经基本提供了我们需要的信息,那么这个频率范围外的信号频谱就变得可有可无。这个频率范围就是带宽。若不能满足采样定理,则采样后信号的频率就会重叠,即...原创 2019-08-20 20:59:18 · 1932 阅读 · 0 评论