#3.2.1 单个总体均值的t检验
# （1）什么是检验？
# 检验（test）是统计学中最重要的概念之一，在科学研究和实际业务中都有着广泛的应用。用一句话来概括就是：人们希望通过掌握的数据和其他背景知识确认某个假设是否成立（比如某种药物是否有效，股票是否有上扬的趋势，一种汽车的油耗是否为15mpg，一组病人血压的均值是否大于120mmHg）。下面我们来举个栗子。
#
# 考虑一个只有赢或者输
转载
2023-09-15 10:58:31
60阅读
案例分析:Prosper是美国的一家P2P在线借贷平台，网站撮合了一些有闲钱的人和一些急用钱的人。用户若有贷款需求，可在网站上列出期望数额和可承受的最大利率。潜在贷方则为数额和利率展开竞价。 本项目拟通过该数据集的探索，结合自己的理解进行分析，最终目的的是初步预测哪些人贷款后会还款、哪些人会赖账。 1.探索数据集 1 loandata = read.csv("prosperLoanDat
转载
2023-10-15 22:27:30
67阅读
# R语言中的ADF检验流程
## 概述
在R语言中，我们可以使用adf.test函数对时间序列数据进行ADF检验。ADF（Augmented Dickey-Fuller）检验是一种常用的单位根检验方法，它用于检查时间序列数据是否具有单位根，即是否呈现非平稳性。本文将详细介绍如何使用R语言进行ADF检验的步骤和相关代码。
## 流程图
```mermaid
flowchart TD
之前写了一篇关于RIP配置的文章，这篇来补充RIP的理论知识RIP虽然老了，但是还是一个动态路由协议，我们来看看一些RIP的特性RIP的4个计时器1、更新计时器（Update）2、无效计时器（Invalid）3、刷新计时器（Flush）4、抑制计时器（Hold-Down）所有的计时器都是倒计时，一个一个来看1、更新计时器，每30s会从RIP宣告了网段的接口发送更新信息2、无效计时器，假如本地的一条
分布检验方法比较² 图示法相对于其他方法而言，比较直观，方法简单，从图中可以直接判断，无需计算，但这种方法效率不是很高，它所提供的信息只是正态性检验的重要补充。² 经常使用的拟合优度检验和Kolmogorov-Smirnov检验的检验功效较低，在许多计算机软件的Kolmogorov-Smirnov检验无论是大小样本都用大样本近似的公式，很不精准，一般使用Shapiro-Wilk
转载
2023-08-11 15:39:53
297阅读
假设检验(hypothesis test)亦称显著性检验(significant test)，是统计推断的另一重要内容，其目的是比较总体参数之间有无差别。假设检验的实质是判断观察到的“差别”是由抽样误差引起还是总体上的不同，目的是评价两种不同处理引起效应不同的证据有多强，这种证据的强度用概率P来度量和表示。除t分布外，针对不同的资料还有其他各种检验统计量及分布，
转载
2023-05-26 02:56:55
809阅读
1.1 TEST 语言概述 TEST 语言的程序结构简单，整个程序相当于 C 语言的函数体，即由一对花 括号括起的语句序列，没有函数，没有数组；声明语句、表达式语句以及控制 语句和 C 语言类似。数据类型只有整型，一个声明语句只能声明一个变量；表 达式只有算术表达式和布尔表达式两种形式，其中算术表达式为整型变量和整 型常数的四则运算组合，布尔表达式为两个算术表达式的比较运算；控制语句 只有 if、
## 实现“r语言pp.test”步骤
为了帮助你理解如何实现“r语言pp.test”，我将分步骤指导你完成。下面是整个过程的流程图：
```mermaid
stateDiagram
[*] --> 开始
开始 --> 安装R语言
安装R语言 --> 安装RStudio
安装RStudio --> 安装必要的R包
安装必要的R包 --> 编写代码
原创
2023-08-30 03:57:17
163阅读
VAR模型分析联合内生变量的动态关系一、实验介绍1.1 实验内容VAR模型是向量自回归模型的简称，是基于数据的统计性质建立的一种常用的计量经济模型，它把系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型，从而将单变量自回归模型推广到由多元时间序列变量组成的“向量”自回归模型。本实验运用 R 语言来建立两变量的向量自回归模型，首先是检验两变量序列的平稳性，然后进行协整检验，确定待拟合
转载
2023-06-21 19:35:18
271阅读
Mantel test 是对两个矩阵相关关系的检验，由Nathan Mantel在1976年提出。之所以抛开相关系数发展这样一种方法，是因为相关系数只能处理两列数据之间的相关性，而在面对两个矩阵之间的相关性时就束手无策。Mantel检验专治这种不服。这种方法多用于生态学上，不同的样本case对应不同的变量，而不同的变量可以分属不同的类别，对case有不同角度的刻画。如基于不同植物种类数量可以建立样
转载
2023-10-30 21:37:08
188阅读
类别变量分析一个类别变量的拟合度检验期望频数相等chisq.test(table$人数)期望频数不等chisq.test(table$离婚家庭数,table$期望比例)两个类别变量的独立性检验#转化为矩阵
x<-c(20,40,40,50,50,60,30,20,20,40,10,20)
m<-matrix(x,nr=4,nc=3,byrow=TRUE,dimnames = list(
转载
2023-08-07 21:51:28
1061阅读
DESeq2包的安装心路历程0.关于R的版本1.缺少RTools1.1RTools下载1.2RTools40环境配置1.2.1创建一个Renviron文件：1.2.2然后在文件里面写：1.2.3保存Renviron，关闭RStudio重新打开1.2.4输入下方语句，检查是否配置成功2.使用BiocManager2.1安装BiocManager2.2操作超时2.3无网络连接？2.4 a/s/n?3
install.packages("swirl")
library(swirl)用了大约一天半的时间刷完了所有的模块，感觉很有意思，是一种引导式的学习。虽然都是最基本的东西，但对于入门者来说，能够学到不少，我本人受益匪浅，并且刷一遍不够，要多刷几遍，才能信手拈来。另外，给大家推荐一本书《R与tidyverse——数据分析入门》，前几章是对R的基本介绍，后面我还没看。网址：https://tiany
如下所示：from statsmodels.tsa.stattools import adfullerprint(adfuller(data))(-8.14089819118415, 1.028868757881713e-12, 8, 442, {"1%": -3.445231637930579, "5%": -2.8681012763264233, "10%": -2.5702649212751
转载
2023-10-04 14:43:31
168阅读
如下所示：from statsmodels.tsa.stattools import adfullerprint(adfuller(data))(-8.14089819118415, 1.028868757881713e-12, 8, 442, {'1%': -3.445231637930579, '5%': -2.8681012763264233, '10%': -2.5702649212751
转载
2023-06-26 21:38:54
135阅读
多变量分析(终图)最后探究贷款利率与信用评分和评级之间的关系：data$CreditGrade <- factor(data$CreditGrade,order=TRUE,
levels = c("AA","A","B","C","D","E","HR"))
data$ProsperRating..Alpha. <- factor(
主要有这几种：数值型 numerics (1, 2.5)
逻辑判断 logical (TRUE or FALSE)
字符型 characters
因子 factors
# Change my_numeric to be 42
my_numeric
# Change my_character to be "universe"
my_character
# Change my_logical
转载
2023-05-24 11:08:20
398阅读
R数据科学1_进阶第一部分 探索第1章 使用ggplot2进行数据可视化1.3 图形属性映射1.4 常见问题1.5 分面1.6 几何对象1.7 统计变换1.8 位置调整1.9 坐标系 本系列为R语言进阶版学习，包含《R数据科学》的代码笔记及课后习题，已收录至“R数据科学”专栏，空余时间会持续更新。第一部分 探索第1章 使用ggplot2进行数据可视化准备工作：安装并加载tidyverse包ins
上期“干货预警——原来基因功能富集分析这么简单！”和“【R语言】——基因GO/KEGG功能富集结果可视化（保姆级教程）”介绍如何使用DAVID在线分析工具对基因进行GO/KEGG功能富集分析和使用R ggplot包对获得的基因GO/KEGG功能富集结果进行可视化。本期介绍使用R clusterProfiler包和R AnnotationHub包对基因进行GO/KEGG功能富集分析、OrgDb包制作
转载
2023-08-04 10:59:08
499阅读
# # Figure 2.1.R. # R script to calculate and plot # monthly loan payment information. # # # Step 0. Assign numerical values to P (principal), m # (to
转载
2020-09-04 20:42:00
59阅读
2评论
