![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
讲透统计
文章平均质量分 63
南湖渔歌
勤奋、乐观、皮实、自省
展开
-
基于统计方法2倍标准差法检测数据异常波动
前段时间集中于理论学习,而代码写少了。因此手、脑就跟着生疏了,看别人写的代码,居然也半天反应不顾过来。原创 2022-12-14 16:05:54 · 616 阅读 · 0 评论 -
js散度python代码踩坑
(输入的为某个值)要求输入,array_like 数组、列表组织的数据形式,进过实验输入Series的p,q 使用下面的函数,可以容纳任意离散分布的对比对象出现密度为0,然后导致 NAN值出现的情况函数参数:关于python中的entropy附加:原创 2022-12-06 15:37:16 · 834 阅读 · 0 评论 -
KL/JS散度及Python实现
相比np.arange函数。两者最大差异是,linspace能够精确控制终止值终值,而arange能够更直接地控制序列中值之间的增量。原创 2022-11-29 18:15:45 · 3655 阅读 · 0 评论 -
概率统计的重要概念解释
同样,我们可以按照这样的方式重复抽100次样(每个样本都包括1000人),那我们就可以得到100个样本率,在我们眼里,就是100个0~1之间的小数,因此,当然可以算这100个样本率的平均数和标准差,而这里的标准差就称为样本率的标准误。举一例,某疾病的患病率,由样本计算的为样本统计量,一般称为样本率;在z分布或t分布中,随着曲线向两端延伸,其对应的z值 / t值的绝对值越来越大,此时我们认为z / t的取值越来越极端,z值 / t值及更极端的值出现的概率越来越小。答案是样本统计量,比如样本均数或样本率。原创 2022-11-04 16:39:59 · 248 阅读 · 0 评论 -
重要统计公式及概率分布图
基于当前零假设和当前样本,计算 z score (z值)或t score(t值),通过z值 / t值及比该数值更极端的值出现的概率来代表抽到目前这个样本及更极端的样本的概率。当我们用样本标准差替换时,此时经过变换的Y(注意,这里的Y是X的样本均数)就不再服从标准正态分布,而是我们今天的主角——t分布。标准正态分布只有一条,它的确定的,不动的。而t分布理论上是有无数多条,即给定自由度(v),就有确定的t分布曲线与之对应。记做t ~ t(v),这种变换也就称为t变换,这里v代表自由度。原创 2022-11-04 11:09:18 · 1249 阅读 · 0 评论 -
参数估计与假设验证
参数估计和假设的区别和联系;相同点:假设检验与参数估计都bai是利用样本信息对总体进行某种推断。不同点:1、性质不同:参数估计根据从总体中抽取的随机样本来估计总体分布中未知参数的过程。假设检验是用来判断样本与样本、样本与总体的差异是由抽样误差引起还是本质差别造成的统计推断方法。2、推断的角度不同:在参数估计中,总体参数在估计前未知,参数估计是利用样本信息对总体参数作出估计。假设检验则是先对数值提出一个假设,然后根据样本信息检验假设是否成立。3、特点不同:假设检验是先对总体的特征做出某种假设,然后.原创 2021-01-14 15:35:19 · 3781 阅读 · 0 评论 -
统计学中的假设检验和两类错误
但这其中的逻辑是,在这个检验中,他们要做出正确的判断就需要拒绝H0,而拒绝H0需要他们一次抽样就抽中次品,因为次品个数是10个,正品是90个,所以,只要他们抽中正品,他们就会犯错,因而他们犯错的概率就是抽中正品的概率,即90%。回到小金的例子,因为他只买中4把,根据推测,他是有理由拒绝色子是均匀的这个原假设,但事后通过专业人员检验发现:色子没有问题,纯粹是小金的运气太背了,那么这时,小金就犯错了,这便是第一类错误的由来,接着我们会问,犯这个错误的概率是多少呢?:色子是均匀的,没有人动手脚。原创 2022-11-03 15:16:21 · 1337 阅读 · 0 评论 -
5个步骤,掌握单样本z检验 / t检验
如果你计算得到的z或t值落在了非红色箭头的范围内,就意味着零假设成立的前提下,目前样本是有可能被抽中的(目前的样本已经被抽中了,这是事实),也就是说零假设是符合事实的,所以我们没有理由拒绝零假设。相反,如果z或t值落在了红色箭头的范围内,就意味着零假设成立的前提下,目前的样本在一次抽样中是不可能发生的(这是违反事实的),那么你就有理由怀疑零假设的真实性,从而拒绝零假设。注意:z检验和t检验的关键在于,z值和t值分别服从标准正态分布和近似正态分布的t分布。原创 2022-11-03 14:59:41 · 1142 阅读 · 0 评论