- 综合排序
- 最热优先
- 最新优先
- 来自专栏临床试验
统计分析篇-定量资料统计分析（2）
上篇文章叙述到单样本定量资料与已知总体比较、单样本定量资料前后比较，同个个体两种检测方法（定量结果指标）比较的统计分析，这篇文章主要来叙述最常见应用最普遍的两独立样本t检验。 设n_1 和n_1 为两组样本含量，N=n_1+n_2 ，则T_1+T_2=\frac{N\left( N+1 \right)}{2} ,就是1+2+3+4+5+=\frac{5\left
2.4K30编辑于 2022-11-18 - 来自专栏临床试验
统计分析篇-定量资料统计分析（1）
1.请阅读我在临床试验中，常常分不清楚所要分析的数据是什么资料类型，以及不明确用什么统计分析方法去分析自己手头上的数据。鉴于以往的数据分析经验，写成如下内容供参考。
2.7K20编辑于 2022-11-16 - 来自专栏数据科学CLUB
Python统计分析
偏度 df["分布"].skew() -0.0014804168276350241 利用kurt计算峰度，正态分布的峰度K为3，一般使用时默认K-3=0，这里的数据和0很接近 df["分布"].kurt 所以使用另一个统计包statsmodels，ttestind就是表示独立双样本检验，usevar='unequal'表示两个总体方差不一样，返回的第1个值t是计算出的t值，第2个p_two是双尾检验的p值，第3个
1.2K10发布于 2020-07-14 - 来自专栏量化投资与机器学习
【高能】用PyMC3进行贝叶斯统计分析（代码+实例）
说明 参数的先验信念：p∼Uniform(0,1) 似然函数：data∼Bernoulli(p) import pymc3 as pmimport numpy.random as nprimport numpy `coin_model` is **just** # a placeholderwith pm.Model() as coin_model: # Distributions are PyMC3 模式 使用统计分布参数化问题 证明我们的模型结构 在PyMC3中编写模型，Inference ButtonTM 基于后验分布进行解释 (可选) 新增信息，修改模型结构 例子2：化学活性问题 我有一个新开发的分子 line.set_linewidth(5) for line in get_forestplot_line(ax, kind='hpd'): line.set_linewidth(3) renamed_treatments[x])# Sort the data according to the treatments.treatment_order = ['FM1', 'FM2', 'FM3'
4.6K100发布于 2018-01-30 - 来自专栏优雅R
「R」基本统计分析
描述性统计分析 R基础包自带summary()函数用于获取描述性统计量，我们调用自带的车辆路试数据集mtcars进行下面相应的展示。 Qu.:22.80 3rd Qu.:180.0 3rd Qu.:3.610 Max 0.93341934 0.94325772 normtest.p 0.1228814 0.04880824 0.09265499 感觉这个函数统计很全面，基本涵盖了一般统计分析会涉及的基础量和显著性检验结果啊 s^3)/n + kurt <- sum((x-m)^4/s^4)/n - 3 + return(c(n=n, mean=m, stdev=s, skew 独立性检验 书中描述了3种检验：卡方独立性检验、Fisher精确检验和Cochran-Mantel-Haenszel检验。
2.1K10发布于 2020-07-06 - 来自专栏用户3288143的专栏
Pandas统计分析基础
代码 # 1.Series的创建 # 通过列表创建，左侧自动带有索引 import pandas as pd obj = pd.Series([1, -2, 3, -4]) #仅有一个数组构成 print (obj) 0 1 1 -2 2 3 3 -4 dtype: int64 # 创建Series时指定索引 i = ["a", "c", "d", "a"] v = [2, 4, 5, 2 label: 2 # Series创建-通过字典 sdata = {'Ohio': 35000, 'Texas': 71000, 'Oregon': 16000, 'Utah':5000} obj3 = pd.Series(sdata) print(obj3) Ohio 35000 Texas 71000 Oregon 16000 Utah 5000 dtype: 100.0 b 200.0 c NaN e 300.0 dtype: float64 # 不同索引数据的自动对齐 运算 sdata = {"a": 1, "b" : 2, "c" : 3,
76410发布于 2020-07-07 - 来自专栏YP小站
Nginx 流量统计分析
:08 2019-11-23 07:33:08 <====> 1.29M 2019-11-23 07:37:28 2019-11-23 08:37:28 <====> 1.16M 环境 python3+ /nginx_large_file_flow_analysis3.py -f /var/log/nginx/access.log -m 60 程序代码 下面是 nginx_large_file_flow_analysis3 /usr/bin/python3 #-*-coding=utf-8-*- #-------------------------------------------------------------- execut_time(self): # 输出脚本执行的时间 print('\n') print("Script Execution Time: %.3f lambda k: (k[1][0])) return sorted_list_ascii # out [(4, [1420686592, '1024321222']), (3,
5.5K20发布于 2020-06-04 - 来自专栏yiyun 的专栏
多元统计分析：聚类分析
最长距离法（complete） 3. 中间距离法（median） 4. 类平均法（average） 5. 重心法（centroid） 6. 离差平方和法（Ward） 3. 分类结果 cutree(hc, 4) # 分4类 显示分类结果 Q&A 补充 参考 《多元统计分析与R语言建模》（第五版）王斌会 本文作者： yiyun 本文链接： https://moeci.com/
1.5K10编辑于 2022-04-01 - 来自专栏生信探索
Python基本统计分析
常见的统计分析方法 import numpy as np import scipy.stats as spss import pandas as pd 鸢尾花数据集 https://github.com = df.loc["setosa",:].sepal_width.values stat, p_value = spss.bartlett(v1,v2,v3) 单因素方差分析 p_value < 0.05 72 204 # 5 3 0 0 3 # 6 4 6 74 84 # 8 0 0 103 103 # All 70 79 249 398 每个单元格占总数的比例 pd.crosstab ],"Tea":[1,3]},index=["Milk", "Tea"]) tea_tasting # Milk Tea # Milk 3 1 # Tea 1 correction = True) p_value # 0.016156931261181305 Reference https://www.heywhale.com/mw/notebook/61e3d3c7ddda3c0017b4658f
1.2K30编辑于 2023-03-25 - 来自专栏YoungGy
R语言_基本统计分析
#基本统计分析 #整体描述性统计分析，针对数值变量 attach(mtcars) opar = par(no.readnoly=TRUE) d = mtcars[c("mpg","hp","wt")] xtabs(~am+cyl+gear,data=mtcars) mytable ftable(mytable) margin.table(mytable,1) margin.table(mytable,3) margin.table(mytable,c(1,3)) ftable(prop.table(mytable,c(1,2))) ftable(addmargins(prop.table(mytable ,c(1,2)),3) ) #将表转化为扁平格式 table2flat <- function(mytable) { df = as.data.frame(mytable) rows = ),cov(states)) #控制2,3,6的影响，判断1,5的相关系数 #相关性的显著检验 #原假设：变量不相关，相关系数为0 #cor.test(x,y,alternative=,method=
1.4K20发布于 2019-05-26 - 来自专栏Rust语言学习交流
动态链接库统计分析
动态链接库统计分析 Statistics on dynamic linking https://drewdevault.com/dynlib.html 你开发部署的程序比如一个普通的系统有经常用到动态链接库吗
1.2K20发布于 2020-07-03 - 来自专栏EAWorld
微服务治理与统计分析
3、应用（微服务应用）是平台开发出的基本部署单元，一个应用只能属于一个系统，一个应用有1到多个应用实例组。 3.微服务治理 1、实例上下线 ? 通过设置实例的状态，使得实例不会被其他应用调用。 3、熔断 ? ? EOS的熔断实现使用的是Hystrix，通过在页面配置熔断对象以及触发条件来设置断路器。 EOS现在的限流是对于每个应用实例独立计算，如设置每秒访问10次，一个应用有3个实例，则这3个实例每个都允许每秒访问10次。 以上向大家分享了普元EOS 8 微服务平台里治理与统计分析，希望对大家有所帮助。不足之处，也请多多指正。 精选提问： 问1：配置生效要重启应用吗？日志统计的实时性如何？
1.2K62发布于 2019-09-19 - 来自专栏yiyun 的专栏
多元统计分析：判别分析
Fisher 判别（线性判别） fd4 <- lda(G~x1+x2+x3+x4, d4_uni);fd4 print('------------------------------------') predict 非线性判别 qd4 <- qda(G~x1+x2+x3+x4,d4_uni) # 注意: 非线性判别使用 qda()，线性判别使用 lda() qtab4 <- table(predict(qd4 uni$G);qtab4 # 判别矩阵 print('------------------------------------') sum(diag(qtab4))/sum(qtab4) # 判对率 3. Bayes 判别 bd4 <- lda(G~x1+x2+x3+x4,d4_uni,prior=c(1,1)/2);bd4 print('--------------------------------- ,x2=0.8895,x3=1.8001,x4=14.1022))$class 案例 企业财务状况的判别分析 library(openxlsx) Case6 = read.xlsx("..
76430编辑于 2022-04-01 - 来自专栏高级程序设计
【示例】文件行统计分析
文件中的特殊字符数 3. 文件中的字符、数字、标点符号数量 4. 文件中的特定单词出现的数量 字符转换 1. 将文件中的所有字符转换为大（小）写 2. 将文件中一行的首字符变为大写 3. 将文件中每个单词的首字符变为大写 4. 将文件中一行的首字符变为大写 字符替换 1. 替换文件中的特定字符串 2.
76911发布于 2020-03-03 - 来自专栏百味科研芝士
Endnote的文献统计分析
3. 在这里，Endnote提供了对文献记录的基本统计功能，包括年份，参考文献类型，作者，标题，第二作者，关键词等等 ? 4. 我们选择Year进行统计一下 ? 5.
3.2K20发布于 2020-06-04 - 来自专栏yiyun 的专栏
多元统计分析：对应分析
（loadings） cal$colcoord # 列坐标 R型因分 根据上述数据 作 对应分析图 plot(cal) 见图，相似的类会聚在一起， 对应图分析 据上图 可 将 样本点、变量 分为 3组 ： 变量：< 1 万 样品：有些不满、很不满意 变量：1 万 - 3 万、 3 万 - 5万 样品：比较满意 变量：5 万 - 10万、>10万 样品：很满意 例 10.2 对应分析 d10.2 = read.xlsx 《多元统计分析与R语言建模》王斌会 《R语言实战》Robert I.
1.3K20编辑于 2022-04-01 - 来自专栏咻一咻
最全的nginx日志统计分析
|cut -c 14-15|sort|uniq -c|sort -nr|head -n 100 性能分析 *在nginx log中最后一个字段加入$request_time 列出传输时间超过 3 秒的页面，显示前20条 cat access.log|awk '($NF > 3){print $7}'|sort -n|uniq -c|sort -nr|head -20 列出php页面请求时间超过3 "$3"."$4}' | sort | uniq -c | sort -nr
8.3K21发布于 2020-06-19 - 来自专栏大数据成神之路
实时统计分析系统-Apache Druid
Druid简介： Druid是一个为在大数据集之上做实时统计分析而设计的开源数据存储。 ； Druid能接受的数据的格式相对简单，比如不能处理嵌套结构的数据 Druid使用场景： 1：适用于清洗好的记录实时录入，但不需要更新操作 2：支持宽表，不用join的方式（换句话说就是一张单表） 3： 在传送阶段，实时节点将这些segment上传到一个永久持久化的备份存储中，通常是一个分布式文件系统，例如S3或者HDFS，Druid称之为”Deep Storage”。 Druid还包含3个外部依赖,与其说是依赖,不如说正式Druid开放的架构,用户可以根据自己的需求使用不同的外部组建 Mysql：存储Druid中的各种metadata（里面的数据都是Druid自身创建和插入的 load）和“druid_segments”（存储每个segment的metadata信息）； Deep storage: 存储segments，Druid目前已经支持本地磁盘，NFS挂载磁盘，HDFS，S3等
2.8K20发布于 2020-06-04 - 来自专栏EpiHub
临床数据统计分析-shiny
在整理好数据后，需要借助统计软件去计算统计学参数，譬如卡方值，t值，f值，但是在进行统计分析时候，往往会有各种条件限制。 下面来介绍一款可以在线分析的临床统计shiny网页。 点击进去即可操作。 主要包括： 1.数据描述 2.相关性分析 3.连续性变量分析 4.计数资料分析 只要上传数据，即可得出分析结果，也不用考虑应用条件，给出指标让你自己选择。操作简单方便。
97710编辑于 2022-10-25 - 来自专栏深度学习|机器学习|歌声合成|语音合成
医学统计分析：心电图智能诊病
数据集介绍 数据一共包含39732条心电数据，被随机划分为训练集和测试集，比例为7:3。
1.4K10编辑于 2022-04-13
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号