前言在之前的两篇文章中，我介绍了t检验和卡方检验，在这篇文章中，我会讲述另一种重要的分布F分布以及与其相关的假设检验方法方差分析(ANOVA),首先我们先来看一下如何定义F分布。F分布事实上，F分布与卡方分布有很高的关联性，F统计量可以可以理解为是两个卡方统计量的商，更具体一点，假设随机变量U1符合自由度为v1的卡方分布，随机变量U2符合自由度为v2的卡方分布，那么我们称随机变量F=(U1/v1)
转载
2024-06-03 21:20:39
487阅读
单样本K-S检验是一种针对单个变量的数据分布进行的探索类别的检验方法。它不需要将数据分组，直接对原始数据的n个观测值进行检验，单样本K-S检验主要用于连续型数据。其中可检验分布类别有正态分布、平均分布、泊松分布、指数分布等。通常用到最多的就是检验是否服从正常性分布。 下面，我们通过实际案例来详细讲解单样本K-S检验数据是否符合正态分布。我们搜集了472例减肥前体重数据，检验该数据整体上是否服从
转载
2024-01-29 16:49:21
945阅读
线性回归案例介绍：根据房屋的居住尺寸来预测房价。分析：每个居住尺寸对应一个唯一且给定的住房价格，因而这是个监督学习问题。我们希望获得居住尺寸与房价两个变量之间的关系，这是个回归问题。由于求取的是线性模型，故而得到的是线性回归问题。线性回归模型是监督学习模型中最基本的模型数据分析： m为数据集中的样本数量 x为输入数据，也称为特征 y为目标数据，也称为标签 （xi,yi）为数据集中第i个样本构建模型
转载
2024-04-11 21:33:10
167阅读
假设检验 原假设：解释变量与被解释变量之间无差别（无影响），也就是说解释变量不影响被解释变量。空间计量的一般步骤 ①进行空间矩阵的制作，其中经常使用的是反距离矩阵。最终的矩阵要是标准化的正定矩阵。 ②进行豪斯曼检验 原假设：空间固定效应联合不显著 & 时间固定效应联合不显著 分别对应两个p值，其中当第一个p值小于0.01时（p值最大不得超过0.1，以下所说的p值情况都是这样的），拒绝原假设
转载
2023-12-17 19:09:26
584阅读
文章目录一、MSE二、RMSE三、MAE四、mse，rmse，mae代码实现五、相对而言 最好的评价指标 R Squared1、R squared 代码实现 一、MSE 但MSE均方误差有个缺点 就是MSE与y的量纲不同 比如y的量纲为万元 那MSE的量纲就是万元的平方。二、RMSE三、MAERMSE的量纲与原始y的量纲相同四、mse，rmse，mae代码实现注意：线性回归衡量指标 在这里使用波
转载
2024-05-16 09:19:09
152阅读
在GWAS研究中，Manhattan plot和QQ plot是最常画的两类图，它们可以把跟研究的性状（比如，基因型和身高）显著相关的基因位点清晰地展现出来，不少读者朋友应该都懂得如何画这样的图，但我想应该不是每个人都能够真正知道其中所蕴含的道理。Manhattan plot（曼哈顿图）比较简单，它是把GWAS分析之后所有SNP位点的p-value在整个基因组上从左到右依次画出来。并
聚类是将数据点归到多个簇当中，并将相同的数据点出于同一个簇，而不相似的数据点处于不同的簇聚类性能度量（看聚类结果有无参考模型）大致有两类：“内部指标”和“外部指标” 内部指标有：Jaccard系数、FM指数、Rand指数（值在[0,1]内，越大越好） 外部指标有：DB指数（越小越好）、Dunn指数（越大越好）距离计算需要满足：非负性、同一性、对称性、直递性（三角不等式）最常用的是闵科夫斯基距离（一
转载
2024-07-20 23:54:18
41阅读
文章目录前言LM 算法Matlab代码 前言 写到这里，已经发现了前面两篇文章的重大bug。那就是牛顿法也好，LM法也好，都是针对无约束的问题，而四参数拟合问题是一个有约束的问题，参数一般设置为0到正无穷。这也解释了为何之前的计算结果，总是和L4P的结果不同。根本原因在于完全没搞懂四参数拟合的参数意义。所以这篇重点介绍LM算法，四参数拟合结果仍然有问题 事到如今，将错就错， 把Levenber
转载
2024-04-19 19:04:32
397阅读
一、概述（F检验）显著性检验：检测自变量是否真正影响到因变量的波动。（t检验）回归系数检验：单个自变量在模型中是否有效。二、回归模型检验检验回归模型的好坏常用的是F检验和t检验。F检验验证的是偏回归系数是否不全为0（或全为0），t检验验证的是单个自变量是否对因变量的影响是显著的（或不显著）。F检验和t检验步骤：提出问题的原假设和备择假设在原假设的条件下，构造统计量根据样本信息，计算统计量的值对比统
转载
2023-07-14 10:19:21
1042阅读
方差检验 方差检验是多变量t检验的延续，对于超过两个样本的对比检验就无法直接使用独立T检验了，这个时候就需要使用卡方检验。涉及的名词 总平均值x均值hat例子：冰淇凌老板想知道三种口味的冰淇凌的销售情况是否一样，他有如下的数据巧克力味草莓味原味233234321233343344等等等F检验又叫方差齐性检验，目的是判断两个样本的总体方差是否相等，计算双总体样本检验的前提条件。过程有点麻烦，涉及
转载
2024-04-02 13:43:37
63阅读
文章目录统计学 非参数检验单样本的检验中位数的符号检验Wilcoxon 符号秩检验两个及以上样本的检验两个配对样本的 Wilcoxon 符号秩检验两个独立样本的 Mann-Whitney 检验k 个独立样本的 Kruskal-Wallis 检验秩相关及其检验Spearman 秩相关及其检验Kendall 秩相关及其检验总结 统计学 非参数检验参数检验：之前的统计检验方法统称为参数检验，例如 t
转载
2023-07-17 22:23:07
219阅读
F检验（F-test），最常用的别名叫做联合假设检验（英语：joint hypotheses test），此外也称方差比率检验、方差齐性检验。它是一种在原假设（null hypothesis, H0）之下，统计值服从F-分布的检验。 F检验的计算公式： p值的计算： p值的计算是与假设检验有着密不可分的关系，p值为结果可信水平
转载
2024-01-08 13:34:25
50阅读
## 介绍
在统计学中，f检验（F-test）是一种用来比较两个样本方差是否相等的方法。它是基于F分布的概率密度函数进行计算的。在Python中，我们可以使用`scipy`库中的`f_oneway`函数来执行f检验。
本文将介绍f检验的原理、使用方法和示例代码，帮助读者理解和应用f检验。
## F检验原理
f检验是基于F分布的概率密度函数进行计算的。F分布是一种连续概率分布，用于描述两个独
原创
2023-08-21 03:32:49
249阅读
示例函数为了开发类型检查器，我们需要一个简单的函数对其进行实验。欧几里得算法就是一个完美的例子：Python def gcd(a, b):
'''Return the greatest common divisor of a and b.'''
a = abs(a)
b = abs(b)
if a < b:
a, b = b, a
转载
2023-08-07 11:45:24
123阅读
A/B测试常用于对某个改进产生效果的评估，比如用于测试网页修改效果。A/B测试其实是一场实验，实验中分为对照组和实验组。实验组是进行了某项操作的实验结果，而对照组除了没有进行该项操作外，其余的条件都和实验组相同。通过这样的设置就可以控制其他因素不变，而只关注想要验证的因素。 A/B测试的原理，来源于假设检验，大家可以看看我前面《一文详解假设检验、两类错误和p值》这篇文章了解假设检验的概念，另外《利
转载
2023-06-14 20:40:14
181阅读
前言前几天，把之前同学写的接口测试脚本吃泡面哥py2转到py3，这过程很痛苦，因为不是自己写的代码，而且py2跟py3还是有写内置函数不一样的，恰好，之前的版本用到不少变化的函数，处理了半天，都不行，最终，自己重写了一遍，但整体架构还是跟之前同学设计的一样；为什么不改？因为后面还是交给这个同学继续维护的； 那既然后续不是你维护，干嘛动别人的？因为要集成到jenkins，服务器不支持py2，也不想支
转载
2023-06-05 15:07:06
462阅读
前言今天给大家整理了一些使用python进行常用统计检验的命令与说明，请注意，本文仅介绍如何使用python进行不同的统计检验，对于文中涉及的假设检验、统计量、p值、非参数检验、iid等统计学相关的专业名词以及检验背后的统计学意义不做讲解，因此读者应该具有一定统计学基础。正态性检验正态性检验是检验数据是否符合正态分布，也是很多统计建模的必要步骤，在Python中实现正态性检验可以使用W检验(SHA
转载
2023-11-22 20:02:23
195阅读
错误处理在程序运行的过程中，如果发生了错误，可以事先约定返回一个错误代码，这样，就可以知道是否有错，以及出错的原因。Python内置try...except...finally...的错误处理机制# try:
# print('try...')
# r=10/0 #运算式
# print('result',r)#判断运算式是否正确，正确输出运算式结果
# except Z
转载
2023-07-03 01:41:26
87阅读
使用Python进行T检验所需要用到的第三方库有scipy。均可以通过pip直接安装。pip install scipy numpy引入第三方库from scipy import stats注：ttest_1samp、ttest_ind和ttest_rel均进行双侧检验。\(H_0:\mu=\mu_0\)\(H_1:\mu=\mu_0\)单样本T检验(ttest_1samp)官方文档ttest_1
转载
2023-07-03 16:23:54
215阅读
windows下安装flaskflask介绍是一个轻量级的web应用框架, 使用python编写。 基于 werkzeugwsgi工具箱和 jinja2模板引擎。 flask使用 bsd 授权。 flask也被称为 “microframework” ，因为它使用简单的核心，用 extension 增加其他功能。 flask没有默认使用的数据库、窗体验证工具。 然而，flask保留了扩增的弹性...
转载
2023-09-14 08:56:58
91阅读
