M冰的博客

箱线图的原理介绍，在python中的绘制方法，在R语言中的绘制方法

介绍了数据降维的概念原理和应用（PCA降维）

R语言 假设检验

目录一元线性回归一元线性回归建模的大致思路如下：1. 确定因变量与自变量之间的关系1.1 查看变量间有没有相关关系1.2计算相关系数1.3 检验相关系数2.建立模型，并对模型进行估计和检验2.1 回归模型的拟合2.2 计算回归系数的置信区间2.3 绘制拟合图3.利用回归方程进行预测3.1 利用回归方程进行预测3.2 绘制置信带和预测带3.3 计算 x0 = 500 时销售收入的点预测值、置信区间和预测区间4. 对回归模型进行诊断4.1 回归预测值（pre）、残差（res）、标准化残差（zre）4.2 检验线

统计学是关于数据的一门学问。所有收集而来的数据都需要经过整理、分析才能得出结论，这就是统计学利用数据解决实际问题的全过程。但是你会发现，同一个数据可以使用不同的方法进行分析进而得出不同的结论，不同的数据使用同一种方法进行分析也可以得出不同的结论。如天气预报，不同的预报机构其预报结果不尽相同。而且，由统计分析得出的结论往往还具有不确定性（uncertainty），因为其描述的往往是某件事发生的机会（opportunity），可以用概率（probability）来衡量。

一个总体比例z=p−π0(π0(1−π0)n)z = \frac{p-\pi_0}{\sqrt(\frac{\pi_0(1-\pi_0)}{n})}z=(​nπ0​(1−π0​)​)p−π0​​例：一项统计结果生成，某市老年人口（65岁以上）所占比例为14.7%，该市老年人口研究会为了检验该项统计是否可靠，随机抽选了400名居民，发现其中由57人年龄在65岁以上，调查记过是否支持该市老年人口比例为14.7%得看法（a=0.05）？假设：H0:π=14.7%H_0:\pi=14.7\%H0​:π=1

公式z=(xˉ1−xˉ2)−(μ1−μ2)σ12n1+σ22n2z=\frac{(\bar{x}_1 - \bar{x}_2) - (\mu_1 - \mu_2)}{\sqrt{\frac{\sigma^2_1}{n_1} + \frac{\sigma^2_2}{n_2}}}z=n1​σ12​​+n2​σ22​​​(xˉ1​−xˉ2​)−(μ1​−μ2​)​例：有两种方法可用于制造某种以抗拉强度为重要特征的产品。根据以往的资料得知，第一种方法生产出的产品抗啦强度的标准差为8千克，第二种方法的标准差为1

方差未知，但相等t=(xˉ1−xˉ2)−(μ1−μ2)sp1n1+1n2∼t(n1+n2−2)t = \frac{(\bar{x}_1 - \bar{x}_2) - (\mu_1 - \mu_2)}{s_p \sqrt{\frac{1}{n_1} + \frac{1}{n_2}}}\thicksim t(n_1+n_2-2)t=sp​n1​1​+n2​1​​(xˉ1​−xˉ2​)−(μ1​−μ2​)​∼t(n1​+n2​−2)sp=(n1−1)s12+(n2−1)s22n1+n2−2s_p=\sqrt{

两个总体比例相等的假设z=p1−p2p(1−p)(1n1+1n2)z = \frac{p_1 - p_2}{\sqrt{p(1-p)(\frac{1}{n_1}+\frac{1}{n_2})}}z=p(1−p)(n1​1​+n2​1​)​p1​−p2​​例：人们普遍认为麦当劳的主要消费群体试青少年，但对时长进一步细分却发现有不同的看法。一种观点认为小学生更喜欢麦当劳，另一种观点认为中学生对麦当劳的喜爱程度不亚于小学生。某市场调查公司对此在某地区进行了一项调查，随机抽取了100名小学生和100名中学生，

总体比例n=(za/2)2∙π(1−π)E2n=\frac{(z_{a/2})^2\bullet \pi(1-\pi)}{E^2}n=E2(za/2​)2∙π(1−π)​ , E=ΔE = \DeltaE=Δ如果能够求出π\piπ的值，就可以用上面的公式计算所需的样本量。如果π\piπ的值不知道，可以用类似的样本比例来代替。当π\piπ的值无法知道时，通常取π(1−π)=0.25\pi(1-\pi)=0.25π(1−π)=0.25的最大值，π\piπ=0.5例：根据以往的生产

方差检验公式χ2=(n−1)s2σ2\chi^2 = \frac{(n-1)s^2}{\sigma^2}χ2=σ2(n−1)s2​例：某厂商生产出一种新型的饮料装瓶机器，按设计要求，该机器装一瓶1000ml的音量误差上下不超过1ml。如果达到设计要求，表明机器的稳定性非常好。现从该机器装完的产品中随机抽取25瓶，分别进行测定（用样本观测值分别减1000ml），得到如下：import pandas as pdimport numpy as npimport scipy as spfrom sc

小样本t=xˉ−μ0s/nt= \frac{\bar{x}-\mu_0}{s/\sqrt{n}}t=s/n​xˉ−μ0​​例：某机器制造出的肥皂厚度为5cm，今欲了解机器性能是否良好，随机抽取10快肥皂作为样本，测得平均厚度为5.3cm，标准差为0.3cm，试以0.05得显著性水平检验机器性能良好得假设假设：H0:μ=5H_0 : \mu=5H0​:μ=5H1:μ≠5H_1 : \mu \neq 5H1​:μ​=5双侧检验import pandas as pdimport numpy a

正态总体，标准差已知z=xˉ−μ0σ/nz=\frac{\bar{x}-\mu_0}{\sigma/\sqrt{n}}z=σ/n​xˉ−μ0​​标准差未知，大样本z=xˉ−μ0s/nz=\frac{\bar{x}-\mu_0}{s/\sqrt{n}}z=s/n​xˉ−μ0​​在总体标准差σ未知时，可以用样本标准差s代替例：双侧检验某机床厂加工一种零件，根据经验知道，该厂加工零件的椭圆度渐近服从正态分布，其总体均值为0.081mm，今另换一种新机床进行加工，取200各零件进行检验，得到椭圆度均

比例之差(p1−p2)±za/2p1(1−p1)n1+p2(1−p2)n2(p_1-p_2)\pm z_{a/2}\sqrt{\frac{p_1(1-p_1)}{n_1}+\frac{p_2(1-p_2)}{n_2}}(p1​−p2​)±za/2​n1​p1​(1−p1​)​+n2​p2​(1−p2​)​​例：在某个电视节目的收视率调查中，从农村随机调查了400人，有32%的人收看了改节目，从城市随机调查了500人，有45%的人收看了该节目。试以95%的置信水平估计城市与农村收视率之差的置信区间。#

方差比s12/s22Fa/2≤σ12σ22≤s12/s22F1−a/2\frac{s^2_1/s^2_2}{F_{a/2}}\leq \frac{\sigma^2_1}{\sigma^2_2}\leq \frac{s^2_1/s^2_2}{F_{1-a/2}}Fa/2​s12​/s22​​≤σ22​σ12​​≤F1−a/2​s12​/s22​​例：为研究男女学生在生活费支出上的差异，在某大学随机抽取25名男学生和25名女学生，得到下面的结果：男学生：xˉ1=520,s12=260\bar{x}_1=

独立小样本，σ12\sigma^2_1σ12​ 和 σ22\sigma^2_2σ22​未知但相等(xˉ1−xˉ2)±ta/2(n1+n2−2)sp2(1n1+1n2)(\bar{x}_1-\bar{x}_2)\pm t_{a/2}(n_1+n_2-2)\sqrt{s^2_p(\frac{1}{n_1}+\frac{1}{n_2})}(xˉ1​−xˉ2​)±ta/2​(n1​+n2​−2)sp2​(n1​1​+n2​1​)​sp2=(n1−1)s12+(n2−1)s22n1+n2−2s^2_p=\fra

独立大样本，σ12\sigma^2_1σ12​ 和 σ22\sigma^2_2σ22​ 已知(xˉ1−xˉ2)±za/2σ12n1+σ22n2(\bar{x}_1-\bar{x}_2)\pm z_{a/2}\sqrt{\frac{\sigma^2_1}{n_1}+\frac{\sigma^2_2}{n_2}}(xˉ1​−xˉ2​)±za/2​n1​σ12​​+n2​σ22​​​独立大样本，σ12\sigma^2_1σ12​ 和 σ22\sigma^2_2σ22​ 未知(xˉ1−xˉ2)±za/2s12

匹配大样本公式：dˉ±za/2σdn\bar{d}\pm z_{a/2}\frac{\sigma_d}{\sqrt{n}}dˉ±za/2​n​σd​​匹配小样本公式dˉ±ta/2(n−1)sdn\bar{d}\pm t_{a/2}(n-1)\frac{s_d}{\sqrt{n}}dˉ±ta/2​(n−1)n​sd​​dˉ\bar{d}dˉ表示各差值的均值σd\sigma_dσd​ 表示各差值的标准差当总体的σd\sigma_dσd​未知时，可用样本差值的标准差sds_dsd​来代替例

总体比例公式：p±za/2p(1−p)np \pm z_{a/2} \sqrt{\frac{p(1-p)}{n}}p±za/2​np(1−p)​​例：某城市想要估计下岗职工中女性所占的比例，随机抽取了100个下岗职工，其中65人为女职工，试以95%的置信水平估计该城市下岗职工中女性比例的置信区间。import pandas as pdimport numpy as npimport scipy as spfrom scipy import stats# 样本量 n=100n = 10

总体方差公式：(n−1)s2χa/22≤σ2≤(n−1)s2χ1−a/22\frac{(n-1)s^2}{\chi^2_{a/2}}\leq \sigma^2 \leq \frac{(n-1)s^2}{\chi^2_{1-a/2}}χa/22​(n−1)s2​≤σ2≤χ1−a/22​(n−1)s2​例：一家食品生产企业以生产袋装食品为主，每天的唱片大约为8000袋。按规定每袋的重量应为100克。为对产品重量进行监测，企业质检部门经常要进行抽检，以分析每袋重量是否符合要求，现从某天生产的一批食品中随机

正态总体，σ\sigmaσ已知公式：xˉ±za/2σn\bar{x}\pm z_{a/2}\frac{\sigma}{\sqrt{n}}xˉ±za/2​n​σ​例:一家食品生产企业以生产袋装食品为主，每天的唱片大约为8000袋。按规定每袋的重量应为100克。为对产品重量进行监测，企业质检部门经常要进行抽检，以分析每袋重量是否符合要求，现从某天生产的一批食品中随机抽取25袋，测得每袋重量如下：import pandas as pdimport numpy as npimport scipy as

比例（成数）的区间估计这里只讨论大样本情况下的总体比例的估计问题。当样本容量足够大时，样本比例p的抽样分布可用正态分布近似。p的数学期望等于总体的比例π\piπ公式：p±za/2p(1−p)np\pm z_{a/2}\sqrt{\frac{p(1-p)}{n}}p±za/2​np(1−p)​​例：某城市想要估计下岗职工中女性所占的比例，随机抽取了100个下岗职工，其中65人为女性职工。试以95%的置信水平估计该城市下岗职工中女性比例的置信区间。from scipy import stats

一个总体参数的区间估计（均值）公式总体方差已知（大样本）xˉ±za/2σn\bar{x}\pm z_{a/2}\frac{\sigma}{\sqrt{n}}xˉ±za/2​n​σ​总体方差未知（大样本）xˉ±za/2sn\bar{x}\pm z_{a/2}\frac{s}{\sqrt{n}}xˉ±za/2​n​s​在大样本条件下，总体方差未知时，可以用样本方差代替总体方差例：一家食品生产企业以生产袋装食品为主，每天的产量为8000袋左右，按规定每袋的重量应为100g。为对产品质量进行监测，企业

调用scipy包的stats统计模块，可以直接得出不同分布的分为点的值，相对于，查表，或使用excel，使用起来会更加便捷下面是需要用到的函数和代码，使用简单方便。ppf单侧左分位点isf单侧右分位点interval双侧双侧分位点正态分布from scipy import stats#显著性水平a = 0.05# 单测 左分位点norm_a_left = stats.norm.ppf(a)# 单侧 右分位点norm_a_right =