我们总是希望能够从一些样本数据中去探究数据总体的表现特征，在网站数据分析中也是如此，我们试图从最近几天的数据表现来推测目前网站的整体形势是怎么样的，有没有变好或者变差的信号，但当前几天的数据无法完全代表总体，所以这里只能使用“估计”。同时，网站的数据始终存在波动，将最近时间段的数据作为抽样样本很可能数据正好处于较低或者较高水平，所以我们用样本得到的估计值不可能是无偏差的，我们同时需
转载
2024-08-01 07:25:54
88阅读
一、参数估计概念
简单说就是用样本统计量去估计总体的参数
样本统计量用：
?
二、点估计与区间估计
我的理解是：给出总体参数的一个区间，比如说通过一个样本统计量加减标准误，得到一个范围（区间），推测总体的参数在这个范围（区间）内容
由样本均值的抽样分布可以知，在重复抽样或无限总体抽样的情况下，样本均值的数学期望等于
转载
2024-04-24 17:17:31
219阅读
在介绍如何使用逻辑回归进行分类时，我们首先需要大概了解下什么是回归，什么是逻辑回归。回归分析(Regression Analysis)在统计学中，回归分析(regression analysis)是一个用于估算变量之间关系的统计学过程。回归分析关注的焦点是在一个因变量(dependent variable)和一个或多个自变量(independent variable)之间的关系。更明确的说法就是，
转载
2024-02-19 22:58:42
118阅读
戴明回归使用正交回归（也叫 Deming 回归）可以确定两种仪器或两种方法能否提供相似的测量结果。正交回归检查两个连续变量（一个响应变量 (Y) 和一个预测变量 (X)）之间的线性关系。与简单线性回归（最小二乘回归）不同，正交回归中的响应和预测变量均包含测量误差。在简单回归中，只有响应变量包含测量误差。当这两个变量包含测量误差时，如果您使用简单回归确定可比较性，则结果取决于计算过程假设
转载
2024-08-01 13:25:46
82阅读
Logistic回归1. 基于Logistic回归和Sigmoid函数的分类2. 基于最优化方法的最佳回归系数确定2.1 极大似然估计2.2. 梯度下降算法2.3. 梯度上升算法2.3.1. 数据准备2.3.2. 训练算法：使用梯度上升找到最佳参数2.3.3. 分析数据：画出决策边界2.4. 随机梯度上升算法2.5. 改进的随机梯度上升算法3. 从疝气病症状预测病马的死亡率3.1. 数据准备3.
转载
2023-08-04 15:34:41
460阅读
注： 在模型拟合中，极大似然函数的本质就是让我们用来拟合数据的模型与每一个数据点的更为相符，这就要求偏差的大小应该是基本一致，或者说符合正态分布，那么偏差大小基本一致与不一致怎么区别呢？这里我们用偏差出现的概率相乘的大小来表示。因为概率大小都在0到1之间并符合期望为x的正态分布，两个偏差值越接近中心期望x，乘积越大。极大似然函数就是用来表示这一关系的，当然在这里联乘的形式可以取对数改
转载
2024-05-15 11:57:55
108阅读
展示各类回归模型的回归线绘制方法，包括通用绘制方法以及 ggplot2 提供的一些回归线简单绘制方法：线性回归多项式回归 loess（局部加权）回归分段线性回归样条回归稳健回归分位数回归 library(ggplot2)
library(MASS)
library(splines) 示例数据使用 R 自带的 mtcars 汽车数据集，研究 mpg 与 wt 这两个连续变量的关系 print(
转载
2024-04-24 12:56:59
601阅读
一、关于体温、性别、心率的临床数据对男性体温抽样计算下95%置信区间总体均值范围。转自：https://www.jianshu.com/p/a3efca8371ebimport pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
#读取数据
df = pd.read_csv('
转载
2023-06-27 10:47:10
432阅读
一、波士顿房价预测 波士顿房价数据集包括
506
个样本，每个样本包括
12个特征变量
和该地区的
平均房价
房价（单价）显然和多个特征变量相关，不是单变量线性回归（
一元线性回归
）问题选择多个特征变量来建立线性方程，这就是多变量线性回归（
多元线性回归
）问题
本数据集包含与波士顿房价相关的多个因素：
CRIM ：城镇人均犯罪率
ZN ：住
转载
2024-04-22 12:40:09
55阅读
作者：丁点helper来源：丁点帮你生存分析的上一篇文章主要通过一张表格介绍了计算生存率的方法，称作K-M法，也叫乘积极限法，简单来讲就是将生存概率相乘获得生存率。生存曲线的估计方法（1）：先看懂这个表，比如，前面我们讲过：好比身高的样本均数，抽取的第一拨人计算的平均身高和第二拨人的平均身高是有差异的。因为它们都是样本统计量，所以会随着样本的变化而变化。同样地，如果我们想象一下，把这些样本统计量放
转载
2024-07-01 17:11:02
57阅读
MATLAB 线性回归多项式拟合+预测区间、置信区间的绘制一、前言二、多项式拟合polyfit1、语法2、示例三、区间绘制四、整体源码五、思考六、参考博客 一、前言现有一组数据：x、yx=[1 2 3 4 5 6 7 8 9 10];
y=[11 13 15 14 17 14 18 16 19 20];对该数据进行线性回归（1次多项式拟合）并且绘制预测区间和置信度为95%的置信区间 拟合参数:
转载
2023-12-19 15:47:01
348阅读
最近科研中又遇到了与分面相关的需求：在分面中添加拟合线。本期就针对该问题，绘制出以下图形：图形含义：随着时间的推移，展示多个测试产品退化累积量的箱线图。这些产品涵盖了两种不同的退化性能（PC）。图中的红线表示通过提出的模型拟合得到的平均产品退化累积量，而两条粉色线表示相应的90%置信区间。选择绘制箱线图的原因在于想要突显多个产品之间的异质性，并强调退化路径分布特征呈现出的厚尾现象。注意：本文图形
转载
2024-10-12 22:29:18
72阅读
# R语言回归模型置信区间
在统计学中，回归分析是一种重要的方法，用于探究自变量与因变量之间的关系。通过构建回归模型，我们不仅可以预测因变量的值，还可以评估回归系数的可靠性，而置信区间就是评估这些系数不确定性的重要工具。本文将介绍如何在R语言中计算回归模型的置信区间，并提供代码示例。
## 置信区间的概念
*置信区间*是一个范围，用于表示估计参数（如回归系数）的不确定性。通常，置信区间以95
第一节是一元回归统计推断在多元回归中的推广，主要针对的是单个系数的假设检验和置信区间，除了在假设阶段有所不同（比如是在固定其他变量的情况下，被检验变量对因变量没有影响），基本步骤是一样的，理论基础也都是“OLS估计量在原假设下服从大样本正态分布，其中均值为假设的真值而方差具有一致估计量”（后半句我并没有看懂，前半句是告诉我们要牢记“这些抽样的不确定性的量化方法只有在大样本情况下才有效
转载
2023-11-28 06:38:55
159阅读
如何正确理解 95％置信区间科技论文里经常会出现【95%CI】的评价，这个评价到底有什么意义，他和 68-95-99.7 法则的关系是什么，可能很多人没有清楚的理解，包括之前写论文评价 95%CI 的自己。目的理解【95%CI 置信区间】的含义，以及他和 【68-95-99.7% 法则 】的关系。什么是置信区间首先明白置信区间的定义是什么：在统计学中，一个概率样本的置信区间（英语：Confiden
转载
2024-08-02 13:09:11
160阅读
一、正态分布 标准正态分布 标准正态分布就是均值为0，标准差为1的分布，如下图一般正态分布 一般正态分布n，假设其均值是 μ，标准差为σ ，即服从 n~N(μ,σ) 经过变换可以转换成标准正态分布：另X = (N - μ)/ σ，则X就是服从标准的正态分布了X~N(0,1) 二、置信区间 上图中的面积就是标准正态分布的概率，而置信区间就是变量的区间估计，例如图中的-1到1就
转载
2024-01-11 23:02:57
1138阅读
1.置信区间：误差范围（区间）在统计概率中就叫做置信区间；简单来说置信区间就是误差范围
我们用中括号[a,b]表示样本估计总体平均值的误差范围的区间，由于a和b的确切数值取决于你希望自己对于“该区间包含总体均值”这一结果具有可信程度，所以[a,b]被称为置信区间。
2.置信水平：我们选择这个置信区间，目的是为了让“a和b之间包含总体平均值”这一结果具有特定的概率，这个概率就称为置信水平。蒙
转载
2023-07-12 22:50:44
171阅读
***********************************与导图结合的脚本文件： 创建脚本：文件——新建脚本程序，将以下代码复制粘贴至脚本内，选中右键运行当前或所选代码。##回归##
#简单线性回归
head(women)
fit <- lm(weight ~ height, data=women)
summary(fit)
fitted(fit)
residuals(
转载
2024-06-20 15:42:21
29阅读
** Bootstrap置信区间和GEV拟合pdf **1. 置信区间置信区间是总体参数估计的一个界限，用于量化估计的不确定性。另外，置信区间是一个范围的可能性。 真正的模型性能可能在这个范围之外。1.1 分类精度的置信区间如果给定输入数据，预测它们的标签，通常用分类准确率（accuracy）或分类误差（Error，与准确率相反）来描述分类预测模型的性能，分类准确率或分类误差是一个比例，别名：伯努
转载
2023-10-11 22:17:20
383阅读
1 从 t 分布说起在量化投资领域，有大量需要进行参数估计(parameter estimation)的场景。比如在按照马科维茨的均值方差框架配置资产时，就必须计算投资品的收益率均值和协方差矩阵。很多时候，对于需要的统计量，仅有点估计(point estimate)是不够的，我们更感兴趣的是从样本数据得到的点估计和该统计量在未知总体中的真实值之间的误差。在这方面，区间估计 —— 即计算出目标统计量
转载
2023-06-20 15:17:56
952阅读
