统计学笔记
Shian150629
02.15起,于CSDN每周查看消息回复
展开
-
切片逆回归SIR简要说明
注意:本文来自肖珍《基于切片逆回归的高维确实数据降维》与李文娟的《混合正态分布下的切片逆回归》这里没太说清楚,和下一张图结合起来一起看原创 2021-05-18 11:05:28 · 3898 阅读 · 0 评论 -
Shapiro–Wilk test
该检验是一个正态性检验的频率论统计。该检验的零假设是总体呈正态分布。因此,如果p值小于所选的alpha级别,则原假设被拒绝,并且有证据表明所测试的数据不是正态分布的。另一方面,如果p值大于所选的alpha级别,则不能拒绝原假设(数据来自正态分布的总体)(例如,对于.05的alpha级别,数据集如果p值小于.05,则拒绝原假设(数据来自正态分布的总体)。像大多数统计显着性检验一样,如果样本量足够大,则该检验甚至可以检测到原假设的微不足道的偏差(即,尽管可能具有统计学上的显着影响,但可能太小而没有任何实际意原创 2020-11-09 08:25:11 · 2865 阅读 · 0 评论 -
核密度估计KDE与直方图的易错点
1. 直方图Python中直方图Y轴有多种。其中,(标准)直方图的Y轴是频数。X轴上的每一段,是一个分组。有每个分组的数据量 = 组距*频数例如,在对比图中,直方图的高分别为1/12,2/12,1/12,0,1/12,1/12.宽度为2.图源来自WIKI。在python3中,norm_hist为True,则直方图的高度默认为密度,而非count(次数)。在含有KDE的图像中,默认为True。用于概率密度的直方图的总面积始终归一化为1。2.KDE 核密度估计核函数就不介绍了,太多了。KDE就原创 2020-11-07 19:56:29 · 1918 阅读 · 0 评论 -
tips:MATLAB如何计算协方差矩阵
1.源码阅读使用open cov阅读MATLAB源码。别看前面的注释,容易混2.原理MATLAB输入矩阵X是m*n大小。请注意:m是#features,n是#samples。计算的主要代码是:xc = x - sum(x,1)./m; % Remove meanc = (xc' * xc) ./ denom;denom为m-1(m>1)或m(m = 1)。非常有意思的是:a.先移除均值&移除均值的方式;b.denorm 是用来normlize.参考之前的文章,应原创 2020-11-03 08:26:47 · 11939 阅读 · 0 评论