箱线图（Boxplot）也称箱须图（Box-whisker Plot），箱形图等，1977年由美国著名统计学家约翰·图基（John Tukey）发明，是一种用作显示一组数据分散情况资料的统计图，利用数据中的五个统计量：最小值、第一四分位数、中位数、第三四分位数与最大值来描述数据的一种方法，它也可以粗略地看出数据是否具有有对称性，分布的分散程度
Dataset比萨斜塔是意大利最大的旅游景点之一。几百年来这座塔慢慢靠向一边,最终达到5.5度的倾斜角度，在顶端水平偏离了近3米。年度数据pisa.csv文件记录了从1975年到1987年测量塔的倾斜，其中lean代表了偏离的角度。在这个任务,我们将尝试使用线性回归来估计倾斜率以及解释其系数和统计数据。# 读取数据
import pandas
import matplotlib.pyplot as
通过统计检定值与随机变量的概率分布进行比较，我们可以知道在多少百分比的机会下得到目前的结果，如果比较之后发现出现这结果的机率很小，就是说，是在机会很少，很罕见的情况下才出现的；那我们就会认为出现这批样本不是巧合，是具有统计学意义的，相反，若比较后发现，出现的机率很高，并不罕见，那我们会觉得这批样本出现全为巧合，不具有统计学上的意义。> var(Z)
[1] 6.763636
> var
最近在看统计学方面的知识，正好有个学妹问我一些检验方面的东西，以前读书那会的统计学知识早已忘记，经过半天的努力，又把知识给拾起来了，下面简单介绍下T检验和卡方检验。1. T检验适用范围：主要用于样本含量较小（例如n<30），总体标准差σ未知的正态分布。其中最常用的是单总体t检验，单总体t检验是检验一个样本平均数与一个已知的总体平均数的差异是否显著。当总体分布是正态分布，如总体标准
只是python代码方便以后调用，理论部分需要看其他人的回归模型的预测import matplotlib
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
import seaborn as sns
import statsmodels.api as sm
from sklearn import model
转载
2023-08-23 10:16:17
1377阅读
假设检验也叫显著性检验，是以小概率反证法的逻辑进行推理，是判断假设是否成立的统计方法。一般，首先假设样本对应的总体参数或分布是与已知的总体参数或分布相同的，然后根据统计量的分布规律来分析样本数据，利用样本信息判断是否支持当前假设，并对检验假设作出取舍抉择。该方法作出的结论是概率性的，不是绝对的肯定或否定。#T检验的概念：T检验是用于两个样本（或样本与总体）平均值差异程度的检验方法。利用T分布理论来
在企业生产过程中，我们往往需要对产品质量负责。最常见的场景是，如何判断生产线中的产品，是否满足质量标准？比如，某工厂现有一批产品，目标生产重量是 20g，通过随机抽取不同的产品，如何检验它们的重量是否满足预期？在 Minitab 中使用「假设检验」，能够帮助我们取得事倍功半的质量管控效果。下面，让我们通过一个场景案例，来学习如何利用 Minitab 的 T 检验工具进行假设检验分析。本期《举个栗子
目录理论知识代码步骤读取图像得到金字塔图像提取底层特征计算显著图显著图综合运行结果展示 理论知识显著性检测 是指按照人类的视觉注意机制，判断出图像中的显著区域，并为该区域分配较高的显著值，通常认为显著区域更有可能包含目标，利用显著性检测的方法能够快速在图像中找到可能的目标区域，可以减少计算量。显著性检测主要是提取底层视觉特征来计算局部区域的差异性。 Itti模型是一种经典的自底向上基于底层显著特
显著性检验作为判断两个甚至多个数据集之间是否存在差异的方法显著性检验是统计假设检验的一种用于检测科学实验中实验组与对照组之间是否有差异以及差异是否显著无假设，不检验先对科研数据做一个假设，然后用检验来检查假设是否正确，一般将要检验的假设称之为原假设（H0），相反的假设即为备择假设（H1）
如果原假设为真，但检验结论是放弃原假设，则是第一类错误，出现的概率记为α如果原假设为假，但检验结论是接收
转载
2023-08-30 07:53:16
282阅读
系列文章目录 文章目录系列文章目录前言一、问题描述二、星号分析1.原因分析一2.原因分析二3.原因分析三总结 前言以下DOE仅用于分析F值和P值的*号，模型的好坏不做分析一、问题描述DOE实验矩阵 矩阵介绍：7因子、2水平、3中心点、部分因子(1/8)、19次实验DOE实验数据响应为：水迹比例DOE分析问题如下：F值和P值均为星号直到模型中包含项的阶数减少到2阶，F值和P值才计算出来二、星号分析D
转载
2023-08-21 09:56:14
841阅读
spss 1.假设检验：又称为统计假设检验，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的还是本质差别造成的推断方法。 2.显著性检验：显著性检验是假设检验中最常用的一种方法，也是一种最基本的统计推断形式，其基本原理是先对总体的特征做出某种假设，然后通过抽样研究的统计推理，对此假设应该被拒绝还是接受做出推断 3.假设检验的思想：反证法即小概率原理
## 最近两天的成果'''
##########################################
# #
# 不忘初心 砥砺前行. #
#
转载
2023-08-24 20:15:11
98阅读
Scipy 显著性检验显著性检验（significance test）就是事先对总体（随机变量）的参数或总体分布形式做出一个假设，然后利用样本信息来判断这个假设（备择假设）是否合理，即判断总体的真实情况与原假设是否有显著性差异。或者说，显著性检验要判断样本与我们对总体所做的假设之间的差异是纯属机会变异，还是由我们所做的假设与总体真实情况之间不一致所引起的。 显著性检验是针对我们对总体
转载
2023-07-29 14:44:46
179阅读
标签：1、概述Logistic regression(逻辑回归)是当前业界比较常用的机器学习方法，用于估计某种事物的可能性。在经典之作《数学之美》中也看到了它用于广告预测，也就是根据某广告被用 户点击的可能性，把最可能被用户点击的广告摆在用户能看到的地方，然后叫他“你点我啊！”用户点了，你就有钱收了。这就是为什么我们的电脑现在广告泛滥的 原因。还有类似的某用户购买某商品的可能性，某病人患有某种疾病
转载
2023-09-09 00:18:55
79阅读
显著性检验是统计学中一种常用的方法，用于判断一个样本或者一组数据是否代表着总体的某种特征。在数据分析和机器学习领域，我们经常需要对数据进行显著性检验，以验证我们的假设和推断结论的可靠性。本文将介绍显著性检验的基本概念和常见的几种方法，并使用Python编写代码示例来演示如何进行显著性检验。
## 什么是显著性检验？
显著性检验是一种统计分析方法，用于判断样本数据是否能够代表总体的某种特征。在进
原创
2023-09-19 09:34:08
57阅读
P值即概率，反映某一事件发生的可能性大小。统计学根据显著性检验方法所得到的P 值，一般以P < 0.05 为有统计学差异， P<0.01 为有显著统计学差异，P<0.001为有极其显著的统计学差异。其含义是样本间的差异由抽样误差所致的概率小于0.05 、0.01、0.001。实际上，P值不能赋予数据任何重要性，只能说明某事件发生的几率。统计结果中显示Pr > F
转载
2023-07-25 17:25:19
320阅读
显著性检验包括参数估计与假设检验，指事先对总体的参数或者总体分布形式做出一个假设，然后利用样本信息来判断这个假设是否合理。即分为两个步骤：第一步需说明样本是否能代表总体，第二步用样本判定假设。 1.参数估计概念参数估计：即用样本统计量估计总体的方法，包括点估计与区间估计两种。方差齐性：方差齐性检验（Homogeneityof variance test）是数理统计学中检查不同样本的总体方
假设检验假设检验(hypothesis testing)，又称统计假设检验，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。显著性检验显著性检验是假设检验中最常用的一种方法，其基本原理是先对总体的特征做出某种假设，然后通过抽样样本的分析，对此假设应该被拒绝还是接受做出推断。常用的假设检验方法有t检验、卡方检验、F检验等。检验的原理基本思想是小概率事件，即小概率
转载
2023-07-27 21:46:01
118阅读
在常规的实验统计分析过程中，我们经常需要在组间数据间添加显著性标注，而在统计学中，数据间的差异显著性检验则是统计假设检验的一种，是一种对组间数据或组内不同数据之间是否有差异以及差异是否明显判断方法。今天，给大家带来的是如何使用Python-Seaborn进行显著性统计图表绘制，详细内容如下：Python-Seaborn自定义函数绘制Python-statannotations库添加显著性标注Pyt
转载
2023-09-08 16:56:07
234阅读
1.查询API的方法命令行输入 python -m pydoc -p 8090 浏览器输入127.0.0.1:8090就能查看已安装的package的API2.Frame内的元素查找需要先切换到相关frame内才能查找到switch_to_frame('frame_name'),返回默认视图为switch_to_default_content()3.查找元素的方法多样,尽量选择比较
