统计学基本知识 #datawhale 任务四

线性回归

平方误差

每个点同回归直线的竖直距离
$S{E}_{line}={\sum }_{i=1}^n（y_i-(m{x}_i+b){）}^2$
可以看作直线对数据点拟合程度的度量

设回归直线 $y=mx+b$
由公式拆分推导可得：

决定系数

概念：y的波动程度有多少百分比能被x的波动程度所描述

协方差

概念：两随机变量离各自均值之积的期望值，同步程度决定协方差的大小

卡方分布

假设$X_i-N(0,1)$, $i=1,2,3,.......,n$，且相互独立。令变量 $Q={\sum }_{i=1}^n{X}_i^2$，则Q服从自由度为n的卡方分布。

皮尔逊卡方检验

$X^2=\sum 【（实际频数-理论频数的{）}^2】/理论频数$

每个数据点注意标准化，即除以理论频数

自由度的计算：
n个数据点只有n-1个自由度，是因为根据n-1个数据点可以推算出第n个数据的信息（以存取的信息量为准）

列联表卡方检验

自由度：$（行数-1）\ast （列数-1）$

方差分析

分析数据总波动有多少是由于组内波动造成的，有多少是由于组外波动造成的
SST:方差的分子部分，自由度为$m\ast n-1$
SSB:组内平方和，概念为总波动是有多少因为组均值之间的波动，自由度为m-1
SSW:组内平方和，不同分组内数据对组均值差的平方和之和，自由度为$m\ast (n-1)$
由此可发现
SST的自由度=SSB自由度+SSW自由度
说明数据的总波动分解为两个分量的波动之和，一个组内，一个组间。