目录在 R 中估计 GARCH 参数存在的问题GARCH 模型基础估计 GARCH 参数fGarch 参数估计的行为结论译后记在 R 中估计 GARCH 参数存在的问题本文翻译自《Problems In Estimating GARCH Parameters in R 》更新（11/2/17 3:00 PM MDT）：我从 R 的金融板块邮件列表收到一位知名金融工具包贡献者——Brian Pete
抗差估计抗差估计的原理抗差估计是近代测量平差范畴，又名稳健估计（robust estimate），据杨院士说中科院系统喜欢称之为抗差估计，武大喜欢称之为稳健估计。我们的测量值是随机变量，符合正态分布的，如果出现粗差（gross error）的话，我们在应用最小二差或卡尔曼滤波的时候就会使结果偏离真实值（滤波发散）的现象。我们解决粗差或系统误差的时候，可以从两方面去理解，均值漂移或者方差膨胀，抗差估
转载
2024-02-24 11:32:12
182阅读
调用robustfit函数作稳健回归regress函数和regstats函数利用普通最小二乘法估计模型中的参数，参数的估计值受异常值的影响比较大。robustfit函数采用加权最小二乘法估计模型中的参数，受异常值的影响就比较小。robustfit函数用来作稳健的多重线性或广义线性回归分析，下面介绍robustfit函数的用法。1.4.1．robustfit函数的用法robustfit函数有以下几种
转载
2023-12-25 21:39:52
555阅读
逻辑回归调优方向
线性不可分的问题 线性不可分问题解决思路通过：将低维度问题转化成高维度问题，低维空间的非线性问题，到了高维空间往往会成为线性问题。
调整分类阈值调优 某些场景下，逻辑回归默认分类阈值是０.５，但是在某些场景下该默认阈值并不适用，例如得癌症，调整阈值为０.３比较靠谱。
鲁棒性调优 鲁棒是Robust的音译，也就是健壮和强壮的意思,比如说，计算机软件在输入错误、磁盘故障、网络
转载
2024-05-06 15:31:44
40阅读
# 学习如何在Python中实现OLS回归robust
在数据分析和统计建模中，普通最小二乘法（Ordinary Least Squares，OLS）回归是一种非常常用的方法。然而，OLS对异常值非常敏感，这时我们可以使用稳健回归（robust regression）来减少异常值对结果的影响。本文将指导你如何使用Python实现OLS回归的稳健版本。
## 实现步骤概述
在Python中实现
## 简介
在统计学和经济学中，OLS（Ordinary Least Squares）是一种常用的回归分析方法，用于估计线性回归模型的参数。然而，OLS方法对异常值和异方差性敏感，因此在某些情况下可能不适用。为了解决这些问题，可以使用鲁棒（robust）的OLS方法。
Python中的StatsModels库提供了一个方便的接口来执行鲁棒OLS回归分析。在本文中，我们将介绍如何使用StatsM
原创
2023-08-12 12:49:00
351阅读
一、TurtleBot3 简介 TurtleBot3 是一个小型，低成本，完全可编程，基于 ROS 的移动机器人。它旨在用于教育，研究，产品原型和爱好应用的目的。TurtleBot3 的目标是大幅降低平台的尺寸和价格，而不会牺牲性能，功能和质量。由于提供了其他选项，如底盘，计算机和传感器，TurtleBo
# 如何实现“robust R语言”
## 引言
随着数据科学和统计分析的广泛应用，R语言凭借其强大的数据处理能力和丰富的统计工具在众多领域中占据了一席之地。然而，面对复杂的数据集和不可避免的错误，增加R语言的鲁棒性是至关重要的。本文将详细介绍如何增强R语言的鲁棒性，包括所需的步骤、对应的示例代码和相应的注释说明。
## 流程概述
我们将通过以下步骤逐步实现R语言的鲁棒性：
| 步骤 |
White检验是一种用于检验线性回归模型中误差项同方差的统计方法。这种检验方法可以在各种数据分析场景下被广泛应用，如金融分析、市场研究和工程学。然而，如何在Python中实现White检验，则是许多数据科学家在数据建模过程中的一个常见挑战。本文将详细记录解决“White检验检验 python”问题的过程，包括背景描述、技术原理、架构解析、源码分析、性能优化和案例分析。
### 背景描述
在20
1.Mean Absolute Deviation ://mathbits.com/MathBits/TISection/Statistics1/MAD.html 2.Median Absolute Deviation, MAD https://.r-bloggers.com/abso
转载
2017-12-12 15:47:00
244阅读
2评论
这么美好的周六，在加班中度过了，十一点了，把EventBus总结一下。EventBus是一套可灵活使用的Android组件间通信框架。不仅可以便捷的传递Java变量，也可以传递复杂的Java对象。EventBus的使用也比较简单，消息发布者只需要在合适的时机发送消息，消息接收者只需要通过注册，处理和注销三个步骤，即可完成对消息的接收和处理。一
转载
2024-01-03 22:54:34
97阅读
图片工具检查图片是否损坏日常工作中，时常会需要用到图片，有时候图片在下载、解压过程中会损坏，而如果一张一张点击来检查就太不Cool了，因此我想大家都需要一个检查脚本；测试图片，0.jpg是正常的，broke.jpg是手动删掉一点内容后异常的：脚本运行结果：代码如下：# 从本地判断图片是否损坏
def is_valid_image(path):
'''
检查文件是否损坏
'''
try:
bVali
转载
2023-09-21 01:35:48
105阅读
因为写代码的缘故，经常会去看Stack Overflow网站，国内非程序员同学可能对这个网站比较陌生，但在英文世界里，这可是最大的IT技术问答网站，有最权威、最及时、最丰富的技术问题Q&A。 所谓“编程不识Stack Overflow，纵称程序员也枉然”，Stack Overflow也算是国内程序员最常逛的网站之一，为什么这么受欢迎呢？我觉得有5点：1、Stack Overflow是英文
转载
2024-06-25 10:50:02
28阅读
导入相关库：导入数据为了开始执行离群值测试，我们将导入一些每10分钟采样的平均风速数据说明：在任何数据集中， outlier都是与其他数据点不一致的基准点。 如果从特定分布采样的数据具有高概率，则异常值将不属于该分布。 如果特定点是异常值，则有各种测试用于测试，这是通过常态测试中使用的相同的空假设测试来完成的。Q测试Dixon的Q-Test用于帮助确定是否有证据表明某个点是一维数据集的异常值。 假
转载
2023-07-27 12:11:56
127阅读
t 检验是一种统计技术，可以告诉人们两组数据之间的差异有多显著。它通过将信号量（通过样本或总体平均值之间的差异测量）与这些样本中的噪声量（或变化）进行比较来实现。有许多有用的文章会告诉你什么是 t 检验以及它是如何工作的，但没有太多材料讨论 t 检验的不同变体以及何时使用它们。本文将介绍 t 检验的 3 种变体以及何时使用它们以及如何在 Python 中运行它们。单样本 t 检验单样本 t 检验将
转载
2023-07-29 21:13:22
175阅读
我们前面讲了异方差，也讲了怎么用图示法来判断是否有异方差，这一篇来讲讲怎么用统计的方法来判断有没有异方差。关于检验异方差的统计方法有很多，我们这一节只讲比较普遍且比较常用的white test(怀特检验)。假设现在我们做了如下的回归方程：如果要用怀特检验检验上述方程有没有异方差，主要分以下几个步骤：1.step1：对方程进行普通的ols估计，可以得到方程的残差ui。2.step2：以第一步估计估计
转载
2023-08-30 19:25:03
554阅读
【导读】在之前的《数据挖掘概念与技术 第2章》的文章中我们介绍了Q-Q图的概念，并且通过调用现成的python函数， 画出了Q-Q图， 验证了Q-Q图的两个主要作用，1. 检验一列数据是否符合正态分布 2. 检验两列数据是否符合同一分布。本篇文章将更加全面的为大家介绍QQ图的原理以及自己手写函数实现画图过程Q-Q图是什么QQ图是quantile-quantile(分位数-分位数图) 的简称，上面也
转载
2023-08-02 19:20:27
120阅读
基于Fisher准则的线性分类器设计已知有两类数据和二者的先验概率,已知P(w1)=0.6，P(w2)=0.4。 W1和W2类数据点的对应坐标分别为： x1=0.23 1.52 0.65 0.77 1.05 1.19 0.29 0.25 0.66 0.56 0.90 0.13 -0.54 0.94 - 0.21 0.05 -0.08 0.73 0.33 1.06 -0.02 0.11 0.31 0
转载
2023-11-28 20:08:30
88阅读
统计性检验本文分为四个部分：正态性检验相关性检验参数统计假设检验非参数统计假设检验 1.正态性检验本部分列出了可用于检查数据是否具有高斯分布的统计检验。w检验（Shapiro-wilk test)检验数据样本是否具有高斯分布。from scipy.stats import shapiro
data = [21,12,12,23,19,13,20,17,14,19]
stat,p = sh
转载
2023-10-07 16:46:30
176阅读
实验七、缺陷检测一、 题目描述 对下面的图片进行缺陷检测操作，请详细地记录每一步操作的步骤。 第一站图片是标准样品，后面几张图中有几个样品有瑕疵，需要你通过计算在图片上显示出哪张是合格，哪张不合格。 **1.思路** Python-Opencv中用compareHist函数进行直方图比较进而对比图片图像直方图图像直方图是反映一个图
转载
2023-09-29 22:01:33
75阅读
