写在前面：不得不说《白话统计》这本书真的太赞了，它让我再次感受到统计的魅力，我觉得一个高水平的人是能够把知识以通俗易懂的方式表达出来，这让我兴奋，真的推荐大家去看下。1. 什么是正态性和方差齐性 正态性（Normality）,严格来说是残差要复合正态分布，不过实际中很多人直接对因变量采用正态性检验，多数情况下二者差不多。方差齐性（Equality of Variances）,也就是方差相
转载
2024-08-16 17:12:20
120阅读
前言无论是进行 t 检验还是方差分析，尤其是在小样本的情况下，资料都必需满足一定的条件，即①独立性，②方差齐性，③正态性。独立性最为重要，但一般都能满足。如果对同一个实验对象进行重复测量，则同一对象的这些测量值之间可能存在相关，独立性条件就可能不满足，这时需要专门的统计分析方法。其次为方差齐性条件。方差是否齐性对结果影响很大，因此，在进行 t 检验和方差分析之 前，必须进行方差齐性检验。即检验各处
转载
2023-12-16 18:13:51
146阅读
数据的正态性检验检查数据是否满足正态分布，一个很直观的方法是考察数据的正态概率图和QQ图。在MATLAB中可以很容易实现。正态概率图（normal probability plot）用于检查一组数据是否服从正态分布。是实数与正态分布数据之间函数关系的散点图。如果这组实数服从正态分布，正态概率图将是一条直线。通常，概率图也可以用于确定一组数据是否服从任一已知分布，如二项分布或泊松分布。概率图展示的是
转载
2024-08-16 16:15:48
45阅读
第一节 检验的步骤和过程估计的模型要符合计量经济学的前提假设，如果违反了经典假设，那么会导致参数估计值不具有最小方差，即丧失有效性；如果违反正态性的假设，就会导致t统计量不服从于t分布，则t检验失效。为了解决这些问题，我们就得对模型的回归结果进行检验分析。对模型的检验包括正态性检验、多重共性检验、自相关检验和异方差检验。在Equation方程窗口中（Equation为之前保存的回归结果
转载
2024-08-15 19:42:49
154阅读
在数据分析和机器学习的领域，检验模型残差的正态性是非常关键的一步。通过这篇博文，我们将深入探讨如何在 Python 中进行残差的正态性检验，以及这一过程所涉及的技术原理和解析。请随我一起进入这一主题的深度探索。
## 背景描述
许多机器学习和统计模型假设残差是正态分布的，尤其是线性回归。残差的正态性可以通过不同的方法进行检验，以确定模型是否适合数据。在许多情况下，模型的预测能力和后续的假设检验
一、背景 1、多元回归的残差假定：残差的期望为0； 残差对所有的x而言有同方差性； 残差是服从正态分布，且相互独立。 2、残差检验需要检验的部分正态性检验 方差齐性检验 独立性（自相关性）检验 二、详细阐述 1、正态性检验 还有当模型的残差服从正态性假设时，才能保证模型偏回归系数对于的t值和模型的F值是有效的。残差的正态性检验由两类方法： 定性的图形法（PP图和QQ图）：当PP图和QQ图的点差不多
转载
2023-09-27 14:44:26
3263阅读
# Python中的残差正态性检验
在统计分析和机器学习模型中，检验模型的残差是否服从正态分布是一个非常重要的步骤。残差是指模型预测值与实际值之间的差异。本文将深入探讨如何在Python中进行残差正态性检验，并通过代码示例详细说明该过程。
## 什么是残差？
在回归分析中，残差是指观测值与回归模型预测值之间的误差。数学表达式为：
\[ \text{残差} = \text{实际值} - \te
b站教学视频
导入数据use画散点图scatter 纵坐标变量 横坐标变量scatter y x1 x2 …回归分析reg y x1 x2 x3 …假设检验正态分布正态分布检验指令 sktset + 变量Obs 样本值 Pr（skewness）是对偏度的正态分布检测值 Pr（kurtosis）是对其峰度的正态分布检验，chi（2）是对总体的正态分布检验，我们主要观看的是P值（Prob）如果P值大于
转载
2023-12-20 20:12:59
992阅读
1.线性回归模型表示一元线性回归表示：多元线性回归表示：矩阵表示：，其中 &nb
pearson相关系数是最经常使用的相关系数,一般情况下我们会毫不犹豫的选择它,而大部分情况下都没有考虑到数据是否符合它的假设,如下所示:1 两个变量间有线性关系2 变量是连续变量3 变量均符合正态分布,且二元分布也符合正态分布4 两变量独立第一个假设是必须的,虽然有很多主观的因素在里面,但一般从散点图上能够大致看出来.检验变量是否符合正态分布是必须的一步,其他两个条件都不好界定.正态性检验可以通
转载
2024-02-22 19:44:50
193阅读
本文完整推导了从正态总体 $N(\mu, \sigma^2)$ 中抽取的样本中，单个标准化残差 $W = (X_1 - \bar{X}) / \sqrt{\sum(X_i - \bar{X})^2}$ 的概率密度函数。证明过程利用了赫尔默特变换与多元正态分布的旋转不变性，将 $W^2$ 与Beta分... ...
一楼可以应用变量变换的方法,将不服从正态分布的资料转化为非正态分布或近似正态分布。常用的变量变换方法有对数变换、平方根变换、倒数变换、平方根反正玄变换等，应根据资料性质选择适当的变量变换方法。对数变换 即将原始数据X的对数值作为新的分布数据： X’=lgX 当原始数据中有小值及零时，亦可取X’=lg（X+1） 还可根据需要选用X’=lg（X+k）或X’=lg（k-X） 对数变换常用于（1）使服从
转载
2023-09-05 23:03:35
143阅读
1.偏差与方差的区别定义偏差（bias）： 偏差衡量了模型的预测值与实际值之间的偏离关系。通常在深度学习中，我们每一次训练迭代出来的新模型，都会拿训练数据进行预测，偏差就反应在预测值与实际值匹配度上，比如通常在keras运行中看到的准确度为96%，则说明是低偏差；反之，如果准确度只有70%，则说明是高偏差。方差（variance）： 方差描述的是训练数据在不同迭代阶段的训练模型中，预测值的变化波动
转载
2023-11-27 20:11:00
85阅读
【回归分析】[6]--残差分析在这一节，我们讨论一下关于残差的问题。主要是为了验证四个假设。
1. 关于模型形式的假定：模型关于参数是线性的-- 通过观察Y-- X的散点图;
2. 关于误差的假定：a.方差服从正太分布 b.均值为0 c.方差相同 &n
转载
2023-08-03 10:37:41
192阅读
正态性检验处理流程一、分析问题在实际研究中，正态性是很多研究方法在进行分析时需要满足的前提条件。常见的比如方差分析、T检验、相关分析、回归分析等等，这些分析方法使用的前提假定就是需要数据满足正态分布。但是这一点经常被分析人员有意或无意的忽略掉。原因一可能在于大家“心照不宣”的默认数据满足正态性；原因二可能是分析人员的数据分析基础知识不够，不知道需要进行正态性检验；原因三可能在于知道数据需要满足正态
转载
2023-07-19 17:17:21
156阅读
利用观测数据判断总体是否服从正态分布的检验称为正态性检验，它是统计判决中重要的一种特殊的拟合优度假设检验。正态分布 在实际数据分析过程中并不是所有数据都是满足正态分布 并不是必须满足正态分布才能分析 通过正太分布作为参考去理解事物规律 直方图初判 / QQ图判断 / K-S检验直方图初判import numpy as np
import pandas a
转载
2023-11-07 10:54:15
361阅读
###误差（Errors） 观测值与真实值的偏差。这种真实值（true value）往往是不可观测的，比如用仪器去测量一个物体的长度，无论是采用简单的直尺，还是采用高精度的游标卡尺，亦或是螺旋测微器，都无法观测到直尺的真实长度。观测值只能无限靠近真实值，却无法等同于真实值，靠近真实值的远近，即是观测误差的大小。观测值靠真实值近，则称观测误差小，否则称观测误差大。再比如，统计全球人口数也是一次对全球
转载
2024-03-25 21:12:11
113阅读
ArcGIS中的空间回归分析回归模型中的一些术语:因变量(Y)：想预测什么？自变量(X)：解释因变量。Beta 系数：反映解释变量和因变量之间关系的权重。残差(Residual)：模型未解释的值回归公式：y = β0 + (β1 × x1 ) + (β2 × x2 ) + … + (βn × xn ) + εArcGIS 中的空间回归分析让我们通过构建栖息地适宜性指数 (HSI), 也称为资源选择
转载
2024-01-03 11:47:50
105阅读
目录4. 开始计算 4.1 启动fluent 4.2 General 设置4.3 Solution 设置5. 结果后处理5.1 查看速度分布5.2 查看压力分布 5.3 查看wall上压力分布6. 修改残差标准继续计算7.案例4. 开始计算 4.1 启动fluent在【Component Systems】中选择【Fluent】，将其拖拉到
转载
2024-07-31 08:07:56
286阅读
10.【知识点】1. 具有继承关系的类在实例化过程中构造方法的链式调用关系类实例化是通过调用自己的构造方法完成的。子类实例化时会先自动创建超类的实例对象，这个道理类似于要有孩子就得先有父母的存在。从类的继承关系来看，创建子类实例需要在继承树上一直追溯到最基本的根类，然后，从根类开始按继承关系边下溯边逐层调用各个类的构造方法创建继承链上所有类的实例。由于类的多态性，一个类可能会有多个不同构造方法，从
