术语中英对照自变量 :independent variable因变量 :dependent variable外在因素: extraneous factors潜在变量：lurking variables散点图：scatter spot对照实验：a controlled experiment调查问卷：survey总体：population抽像概念：constructs对照组：comparison gr
一、图像操作类医学影像往往需要操作的图像种类较多，类似于nii图像，dicom图像等，传统的工具为SimpleITK ，NiBabel ，目前也有很多集成的工具，便于深度学习模型的使用和调优。1.TORCHIO（强烈推荐）TorchIO 是一个 Python 工具包，用于在用PyTorch编写的深度学习应用程序中高效读取、预处理、采样、增强和写入 3D 医学图像，包括用于数据增强和预处理的强度和空
转载
2023-10-05 15:13:21
122阅读
医学统计学的作用设计(design)数据收集(data collection)数据整理(data organization)数据分析(data analysis)数据解释(data interpretation)数据表达(data presentation) 设计(design)设计指统计设计，统计设计的内容包括对数据收集、整理和分析全过程的设想计划与安排。 医学研究设计和常用的统计设计方法见设
# 项目方案: 如何利用Python学习医学统计学
## 背景介绍
医学统计学是医学领域中应用统计学原理和方法进行数据分析和推断的学科。在医学研究和临床实践中，统计分析是必不可少的一环。利用Python进行医学统计学的学习可以帮助我们更好地理解统计学原理，并通过实际案例进行实践和应用。
## 目标
本项目的目标是通过Python编程学习医学统计学的基本概念、方法和技巧，能够掌握常用的医学统计学
原创
2023-10-30 05:02:53
305阅读
关于简单的描述性统计学在大学时期也多多少少学了一下有关统计学的课程，如统计学1，统计学2，计量经济学，数理经济学，金融工程2 等等。但并无多大兴趣，学了就为了过科而已。我不是学霸，不能像《三傻大闹宝莱坞》的兰彻，或者《决胜21点》那位MIT的华裔马恺文，能把理论巧妙地运用到现实生活，并产生盈利。现在在学习Python数据分析的过程中重拾统计学，先从简单的描述性统计做起，把理论与实际相结合运用起来。
本文首发于公众号：医学和生信笔记，完美观看体验请至公众号查看本文。医学和生信笔记，专注R语言在临床医学中的使用，R语言数据分析和可视化。 文章目录完全随机设计资料的协方差分析使用rstatix进行优雅的协方差分析 今天继续学习使用R语言进行医学统计学分析，今天要学习的内容是协方差分析，还是使用课本中的例子。我使用的课本是孙振球主编的《医学统计学》第4版，封面如下：完全随机设计资料的协方差分析使用课
转载
2023-08-08 20:02:09
138阅读
假设检验分析目的事先对总体参数或分布形式做出某种假设，然后利用样本信息来判断原假设是否成立假设检验步骤提出假设确定适当的检验统计量规定显著性水平a计算检验统计量的值做出统计决策假设检验中的两类错误
第一类(弃真错误) 原假设为真拒绝原假设第二类(取伪错误) 原假设为假接受原假设一个正态总体参数的检验一个总体
均值
Z检验(单尾和双尾)t检验(单尾和双尾)比例
Z检验(单尾和双尾)方差
检验(单
# Python计算医学统计学截断值
在医学领域中，截断值（或称阈值）是一个至关重要的概念。截断值通常用于确定某种疾病的检测结果是否为阳性。例如，糖尿病的检测结果中，血糖水平高于某个特定值就被认为是阳性。对这些截断值的计算和分析，能够帮助医学研究者做出更为准确的判断和决策。
## 什么是截断值？
截断值是用于分类样本的一个划分标准。它通常基于某种统计学分析方法确定，例如，使用ROC曲线（接收
原创
2024-08-11 04:23:24
210阅读
#Chapter 5 Estimation 本篇是第五章，内容是参数估计。1.参数估计的一般问题正如前面介绍的，统计学的两大分支，分别是描述统计和推断统计。所以今天来谈谈推断统计的第一大问题——参数估计。当然一般叫统计推断的会更多些，二者是一样的。 统计推断(Statistical Inference)——主要包括参数估计和假设检验，实质就是通过样本的均值、标准差、方差等去估计总体的均值、标准差
转载
2023-09-28 13:09:31
72阅读
本文用Python统计模拟的方法，介绍四种常用的统计分布，包括离散分布：二项分布和泊松分布，以及连续分布：指数分布和正态分布，最后查看人群的身高和体重数据所符合的分布
# 导入相关模块import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport seaborn as sns
%matplotlib inlin
转载
2023-12-06 10:27:46
100阅读
文章目录1 基本配置1.1 基本模块1.2 绘图设置2 基本统计量3 基本分布3.1 离散型分布3.2 离散型分布示例3.2.1 伯努利分布3.2.2 二项分布3.2.3 泊松分布3.3 连续型分布3.4 连续型分布示例3.4.1 正态分布3.4.2 均匀分布3.4.3 指数分布3.4.4 t分布3.4.5 卡方分布3.4.6 F分布3.4.7 对数正态分布3.4.8 韦伯分布 1 基本配置1.
转载
2023-07-02 15:47:48
256阅读
使用python进行描述统计：多变量包含多个变量的数据叫做多变量数据。单变量和多变量的数据的处理是不同的。3-2-1整洁数据整洁数据是指便于用于数据分析的表格形式的数据 具有以下4个性质： 1.每个单元格代表一个数值 2.每个变量构成一列 3.每项观察构成一列 4.每种类型的观察单元构成一个表格 数值↔单元格 变量↔列 观察↔行鱼的种类鱼的体长A2A3A4B7B8B9列为变量名，只有鱼的种类和鱼的
转载
2023-07-07 17:03:01
272阅读
引言 为什么抛硬币一面朝上的概率是0.5，这里的概率又是什么意思呢？关于怎么样理解概率，统计学有两大学派。频次学派认为，概率是经过多次试验结果的收敛，也就是说，在实验次数足够大时，可以认为结果的均值就是概率。而多次实验的结果又形成了一个分布，统计检验的目的就是验证你的数据集是否服从于某个常见的分布， ...
转载
2021-09-09 10:30:00
100阅读
2评论
使用python进行描述统计：单变量3-1-1统计分析与scipyimport scipy as sp3-1-2单变量的操作只有一种类型的数据import scipy as sp
import numpy as np
fish_data = np.array([2,3,3,4,4,4,4,5,5,6])
print(fish_data)
#[2 3 3 4 4 4 4 5 5 6]3-1-
转载
2023-11-11 23:49:26
230阅读
本章开始新的Python系列，实现传统的统计学。尽管传统的统计学编码常常是使用SPSS或者R语言实现的，但是学习Python实现仍然有一些便利和好处，否则在数据处理中使用Python，分析又换到R上等切来切去十分麻烦。Python是胶水语言，无论什么领域都有很多现成的第三方库。毫不夸张的说除了生孩子Python什么都可以帮你做，只是我们要学会如何实现。本次第一章开始带来的是数据可视化。Python
学习数据分析离不开统计学的相关知识，在这块我自己属于零基础，上学的时候也是文科生没有开设任何数学相关课程，所以选择了《深入浅出统计学》这本书入门，下面对这块基础知识做一些整理。一、集中趋势的度量：均值、中位数、众数1.均值平均数的一般度量，应用最广泛的统计量之一，可用μ表示。均值的计算方法：分子表示所有数字之和，分母表示所以数字个数。均值与频数在计算一批数据的均值时，会发现有些数字是重复的，这个时
转载
2023-09-25 19:51:17
4阅读
# Python统计学包的实现流程
## 引言
在现代社会中，数据的统计分析已经成为了各个领域中不可或缺的一部分。而Python作为一门强大的编程语言，也提供了丰富的统计学包供开发者使用。本文将介绍如何实现一个Python统计学包，并向刚入行的小白开发者传授相关知识。
## 实现流程
下面是实现Python统计学包的整个流程，建议按照这个步骤逐步实施。
| 步骤 | 代码 | 说明 |
|
原创
2023-12-27 08:35:49
62阅读
# 使用Python实现统计学的Probability Density Function (PDF)
随着数据科学和统计学的兴起，学习如何用Python实现概率密度函数（PDF）已成为许多数据分析师或开发者的基本技能。本文将指导你逐步实现这一过程，从流程图到具体代码，确保你在完成后能独立处理此类问题。
## 任务概述
首先，让我们明确一下实现PDF的整体流程，我们将工作分为以下几个步骤：
# 实现 Python 统计学库的步骤
在这篇文章中，我们将一步步教你如何实现一个简单的 Python 统计学库。我们会通过一个流程和代码示例，帮助你理解每一步的作用与流程。以下是整体的流程图和详细步骤。
## 流程图
```mermaid
flowchart TD
A[开始] --> B[安装所需库]
B --> C[定义你的统计学类]
C --> D[实现均值函数
原创
2024-09-29 06:13:21
41阅读
在这篇博文中，我将详细记录如何使用Python进行统计学分析的过程。这包括排列组合的逻辑及其对应的实现方法，涵盖协议背景、抓包方法、报文结构、交互过程、性能优化与工具链集成的各个方面。希望能为大家在Python统计学相关编码中提供一些有价值的参考。
## 协议背景
在数据分析和统计学中，排列组合是基本的数学概念，用于计算在给定条件下的不同排列或组合的数量。为了更好地理解这些概念，我绘制了一个关系
