- 综合排序
- 最热优先
- 最新优先
- 来自专栏数据科学与人工智能
【统计学习】统计学教会我们的10件事
在数据统计中，有10个概念与大数据分析密切相关。这10个概念聚焦在数据预测准确性，交互分析等方面。 在之前的帖子中，我曾指出大数据中一个关键问题，即忽略了应用统计学。 但是许多应用统计学中犀利的概念确实与大数据分析密不可分。为此，我觉得我得回答我上一贴的第二个问题：“当我们在思考大数据时代时，我们到底理解了哪些统计学概念？” 当你拥有空间、距离或时间测量数据时，你需要使其变为平滑曲线 这是统计学里最老生常谈的概念之一（回归是一个平滑的形式，Galton早已将其普及化）。 应用统计学教会我们的一件事就是：当发现结果与现实严重偏差时，请更改你的标准。所以当你发现相关关系时，不要以为你可以预测一个新结果或已发现了一个因果关系。 9. 10. 问题在先方案在后 应用统计学中的诱惑之一就是用你熟知的一个工具（回归）去解决所有问题（流行病问题）。
88460发布于 2018-02-26 - 来自专栏生信技能树
统计学10讲之示例数据
本来有statquest珠玉在前，我实在是提不起笔和勇气写统计学专题，但是最近直播单细胞转录组数据分析发现这系列知识点实在是太重要，而我的习惯是，讲不清楚的知识点不认为自己掌握了，所以还是尝试着介绍一波 生物统计学专题 -StatQuest教学视频学习笔记 统计基础 统计学其实可以分为两大类： 描述性统计，充分了解你的数据，分析数据的集中趋势和离散趋势等统计学指标并且可视化 推断统计学，根据样本数据去推断总体数量特征的方法 260 211 263 164 # RNAseq_expr 是一个数值型矩阵，属于连续性变量，可以探索众数、分位数和平均数 ，极差，方差和标准差等统计学指标 bioconductor里面的 ExpressionSet 对象 array_expr=exprs(ALL) # array_expr 是一个数值型矩阵，属于连续性变量，可以探索众数、分位数和平均数 ，极差，方差和标准差等统计学指标 0 ## [3,] 0 0 0 0 0 0 ## [4,] 10
1.2K41发布于 2019-05-08 - 来自专栏算法channel
统计学10个必知问题 (附答案)
4、问：统计学意义（P值） 答：结果的统计学意义是结果真实程度（能够代表总体）的一种估计方法。 （这并不是说如果变量间存在关联，我们可得到5%或95%次数的相同结果，当总体中的变量存在关联，重复研究和发现关联的可能性与设计的统计学效力有关。） 通常，许多的科学领域中产生P值的结果≤0.05被认为是统计学意义的边界线，但是这显著性水平还包含了相当高的犯错可能性。 结果 0.05≥P>0.01被认为是具有统计学意义，而0.01≥P≥0.001被认为具有高度统计学意义。但要注意这种分类仅仅是研究基础上非正规的判断常规。 6、问：所有的检验统计都是正态分布的吗？ 10、问：如何比较两组数据之间的差异性 答：从三个方面来回答， 1）设计类型是完全随机设计两组数据比较，不知道数据是否是连续性变量？
66120发布于 2019-12-05 - 来自专栏大数据文摘
【译】统计学教会我们的10件事
作者｜Jeff Leek 翻译｜任然 校对｜罗双英 在数据统计中，有10个概念与大数据分析密切相关。这10个概念聚焦在数据预测准确性，交互分析等方面。 在之前的帖子中，我曾指出大数据中一个关键问题，即忽略了应用统计学。但是许多应用统计学中犀利的概念确实与大数据分析密不可分。 为此，我觉得我得回答我上一贴的第二个问题：“当我们在思考大数据时代时，我们到底理解了哪些统计学概念？” 鉴于网络总是喜欢列“前十名单”，那我也就列出十个概念。 10. 问题在先方案在后 应用统计学中的诱惑之一就是用你熟知的一个工具（回归）去解决所有问题（流行病问题）。 素材来源: http://simplystatistics.org 作者简介: JeffLeek,约翰霍普金斯大学教授，进行统计学研究，撰写数据分析软件，建立数据集，编写统计学数据博客，以及与了不起的同学一起做一些创意性工作
51490发布于 2018-05-21 - 来自专栏数据分析1480
10个必知必会的统计学问题 (附答案)
4、问：统计学意义（P值） 答：结果的统计学意义是结果真实程度（能够代表总体）的一种估计方法。 （这并不是说如果变量间存在关联，我们可得到5%或95%次数的相同结果，当总体中的变量存在关联，重复研究和发现关联的可能性与设计的统计学效力有关。） 通常，许多的科学领域中产生P值的结果≤0.05被认为是统计学意义的边界线，但是这显著性水平还包含了相当高的犯错可能性。 结果 0.05≥P>0.01被认为是具有统计学意义，而0.01≥P≥0.001被认为具有高度统计学意义。但要注意这种分类仅仅是研究基础上非正规的判断常规。 6、问：所有的检验统计都是正态分布的吗？ 10、问：如何比较两组数据之间的差异性 答：从三个方面来回答， 1）设计类型是完全随机设计两组数据比较，不知道数据是否是连续性变量？
2.3K20发布于 2019-12-09 - 来自专栏机器学习与统计学
统计学最重要的10个概念【附Pyhon代码解析】
统计学最重要的10个概念【附代码解析】 1. 平均值 平均值是一组数据的算术平均数，计算方法是将所有数值相加后除以数据的总数。它是最常用的集中趋势度量，但容易受极端值影响。 : [2, 4, 6, 8, 10] 标准差: 2.8284271247461903 标准差约为2.83，表示数据平均偏离均值约2.83个单位。 2: [8, 1, 4, 6, 6, 4, 1, 2] t统计量: 0.5389739816775366 p值: 0.5981762652904399 p值大于0.05，表示两组数据的均值差异不具有统计学显著性 10. 抽样分布 抽样分布描述统计量（如样本均值）在重复抽样中的分布情况。中心极限定理指出，当样本量足够大时，样本均值的抽样分布近似服从正态分布。 通过这些详细的解释和代码示例，您应该能更深入地理解这10个重要的统计学概念。这些概念为数据分析和科学研究提供了坚实的基础。
70610编辑于 2024-09-12 - 来自专栏生信情报站
图解统计学 10 | 贝叶斯公式与全概率公式
但是作为经验老道的老板，大概知道有几个坏果，用较深的颜色统计每种水果中的坏果，从图中可以看到： 西瓜里有 10 个坏果 香蕉里有 3 个坏果 橙子里有 4 个坏果 那么顾客既选西瓜又选到坏果的概率是 西瓜 ： P(A_1,B) = 10/100 = 0.1 这里，顾客既选西瓜A_1又选到坏果B的概率用P(x_1,y)表示，逗号用来表示两件事同时发生。 西瓜： P(B|A_1) = 10/50 = 0.2 这里，顾客从西瓜里选到坏果的概率用 P(B|A_1) 表示， 其中 |表示在 A_1发生的前提下又发生B的概率。 ) 指的是选西瓜这件事已经确定的情况下，从中选坏果的概率，用图表示 P(A_1|B) 指的是在坏果已经确定的情况下，从中选西瓜的概率，用图表示 根据上图，很容易得到坏果总共有 17 个，其中 10 代入值 P(A_1|B)=\frac{0.5\times0.2}{0.3\times0.1+0.5\times0.2+0.2\times0.2} = \frac{1}{0.17} = \frac{10
1.4K30编辑于 2023-03-08 - 来自专栏人人都是数据分析师
统计学(1)|白话统计学发展(含统计学必知必会)
本文是个人思考后输出的合乎逻辑的统计学发展历程，旨在为广大对统计学感兴趣的同学提供一个顺滑的学习路线和一个整体的逻辑框架。 ? 2何为统计？ 首先，对于统计的这个话题，需要明确我们在讨论什么？ 10）后来人们发现抽样数量的大小，样本均值的抽样分布会有一些差异，小样本是一个比正态分布有点差异的分布，我们称之为t分布，大样本下还是正态分布。 13）统计学发展至此，已经覆盖大部分日常生活中的应用，ZZ叙述的这个发展过程，希望指引广大爱好的统计学的同僚更加顺滑的学习统计学知识。 4统计学必知必会 如果大家认可以上的统计学发展过程，这其中的必知必会就呼之欲出： 均值、方差、最大值、最小值、中位数等统计值的概念； 事件、总体、样本、个体的概念； 频率、概率、分布等概念，了解常用分布 5小结 以上统计学发展和必知必会覆盖大部分日常统计工作，也涉及了应用最广范的假设检验，但是本文旨在为学习统计学的同学提供一个指引，对于其中具体理论和实际应用并未多涉及。
84020发布于 2021-05-13 - 来自专栏数据分析1480
数据分析师需要掌握的10个统计学知识
因此，统计学习从统计学和功能分析的角度出发，提出了机器学习的理论框架。 为什么要学统计学习？ ? 了解各种技术背后的想法，知道如何以及何时使用它们，这一点非常重要。 此外，统计学习是令人兴奋的研究领域，在科学、工业和金融领域有着重要应用。最后，统计学习是培养现代数据科学家的基本要素。 属于统计学习领域的问题包括： 确定前列腺癌的危险因素。 01 线性回归 在统计学中，线性回归是一种通过拟合自变量与因变量之间最佳线性关系，来预测目标变量的方法。过程是给出一个点集，用函数拟合这个点集，使点集与拟合函数间的误差最小。 07 非线性模型 在统计学中，非线性回归是回归分析的一种形式，其中观测数据是由一个函数建模的，该函数是模型参数的非线性组合，并取决于一个或多个自变量。数据通过逐次逼近的方法进行拟合。 10 无监督学习 到目前为止，我们只讨论了监督学习的技术，在这些技术中，数据类别是已知的，并且提供给算法的经验是实体和它们所属的组之间的关系。当不知道数据类别时，可以使用另一组技术。
1.6K20发布于 2019-05-22 - 来自专栏SnailTyan
统计学习方法(一)——统计学习方法概论
统计学习方法概论 本文是统计学习方法（李航）第一章的学习总结。 1.1 统计学习 1.统计学习的特点 统计学习（statistical learning）是关于计算机基于数据构建概率统计模型并运用模型对数据进行预测和分析的一门学科。 2.统计学习的对象 统计学习的对象是数据（data）。它从数据出发，提取数据特征，抽象出数据模型，根据模型对数据进行分析和预测。统计学习的前提是假设同类数据（具有某种共同性质）具有一定的统计规律性。 5.统计学习的研究 统计学习的研究包括统计学习方法（算法创新）、统计学习理论（算法效率及有效性）及统计学习应用（解决问题）三个方面。 6.统计学习的重要性 统计学习的重要性体现在三个方面：（1）统计学习是处理海量数据的有效方法。（2）统计学习是计算机智能化的有效手段。（3）统计学习是计算机发展的重要组成部分。
1.1K20发布于 2019-05-25 - 来自专栏AI金融科技
统计学方法
print("w:",w) # print("wi_list:",wi_list[:20]) # w = get_score(mm, w) # print("score_list:",score_list[:10
1.1K10发布于 2021-03-05 - 来自专栏数据派THU
谷歌统计学家表示“统计学很无聊“
来源：数学加油吧 机器学习算法与Python实战 本文约3500字，建议阅读7分钟 本文为你分享谷歌的统计学家 Cassie Kozyrkov 对于统计学的观点。 统计学是通过搜索、整理、分析、描述数据等手段，以达到推断所测对象的本质，甚至预测对象未来的一门综合性科学。 嗯，以上是统计学课本中对统计学的定义！ 但是近日，一位来自谷歌的统计学家却发长文表示“统计学很无聊。“ 这位统计学家叫 Cassie Kozyrkov，目前是 Google 的首席决策师。 让我们先普及一些统计学的入门级概念，然后跟着这位统计学家一起，看看她的逻辑证明。 总体 当一个普通人想到“population”这个词时，他会想到什么？人，对吗？ 我花了十多年的时间致力于统计学，它并不是一门一无是处的学科。 所以，在合适的时候使用统计方法才是有用的，非常有用的。 最后，你什么时候真的需要统计学呢？
45820编辑于 2023-03-29 - 来自专栏Hank’s Blog
统计学(一)
分位数 使用QUARTILE函数算出 第一分位数:25%分位数 第二分位数:中位数 第三分位数:75%分位数
39920发布于 2020-09-16 - 来自专栏机器学习与统计学
基础统计学
Ai学习的老章 长期跟踪关注统计学、机器学习算法、深度学习、人工智能、大模型技术与行业发展动态，日更精选技术文章。回复机器学习有惊喜资料。 概率在统计学中的角色 概率在假设检验中起到了关键作用。统计学家根据数据做决策：根据低概率排除偶然发生的可能性。请看以下关于概率的作用和统计学家思维方式的例子。 本书特色 《基础统计学（第14版）（双色）》一书通俗易懂、妙趣横生、案例精彩、数据丰富，且连续25年在美国统计类教材排名第一。 书中包括统计学在各个学科领域中的关键应用，不限于自然科学、经济学、法学等，任何专业的学生都能在本书中找到与未来工作相关的实际应用。 希望每一位学习统计学的小伙伴来都拥有这本案头宝典。
37110编辑于 2025-06-15 - 来自专栏今年是雕刻时光
统计学分析
一.t检验1.单样本t检验> daily.intake<-c(1,2,3,4,5)> t.test(daily.intake,mu=10)#mu为已知总体均数One Sample t-testdata: 载入数据集intake#同一个人绝经前与绝经后的能量摄入> t.test(pre,post,paired=T)Paired t-testdata: pre and postt = 11.941, df = 10 difference 1320.455二.非参数秩和检验1.单样本秩和检验> daily.intake<-c(1,2,3,4,5)> wilcox.test(daily.intake,mu=10
36710编辑于 2023-12-19 - 来自专栏hotarugaliの技术分享
统计学习概述
【注】学习笔记参考自《统计学习方法第二版》——李航。 1. 定义 统计学习是关于计算机基于数据构建概率统计模型并运用模型对数据进行预测与分析的一门学科，统计学习也称为统计机器学习。 统计学习以数据为研究对象，是数据驱动的学科。 统计学习关于数据的基本假设是同类数据具有一定的统计规律性，这是统计学习的前提。 统计学习的目的是对数据进行预测与分析的。 统计学习以方法为中心，统计学习方法构建模型并应用模型进行预测与分析。 研究 统计学习研究一般包括统计学习方法、统计学习理论及统计学习应用三个方面。 统计学习方法的研究旨在开发新的学习方法。 统计学习理论的研究旨在探索统计学习方法的有效性和效率。 统计学习应用的研究旨在奖统计学习方法应用到实际问题中，解决实际问题。
52120编辑于 2022-03-18 - 来自专栏C/C++的自学之路
统计学汇总
分布左边相当于样本的方差乘以自由度比上上总体的方差，右边相当于一个和自由度有关的曲线。
22710编辑于 2025-04-02 - 来自专栏闪电gogogo的专栏
《统计学习方法》笔记一 统计学习方法概论
统计学习 统计学习时关于计算机基于数据构建概率统计模型 并运用模型 对数据进行预测与分析。 统计学习的三要素： 方法 = 模型+策略+算法 统计学习由监督学习、非监督学习、半监督学习和强化学习等组成。 实现统计学习方法的具体步骤如下： （1）得到一个有限的训练数据集合； （2）确定包含所有可能的模型的假设空间，即学习模型的集合； （3）确定模型选择的准则，即学习的策略； （4）实现求解最优模型的算法， 标注问题： 输入、输出变量均为变量序列的预测问题 监督学习的任务就是学习一个模型，应用这一模型，对给定的输入预测相应的输出，这个模型的一般形式为决策函数：Y=f(X)或者条件概率分布P(Y|X) 统计学习三要素 标注常用的统计学习方法有：隐马尔可夫模型、条件随机场。 回归问题 回归用于预测输入变量和输出变量之间的关系，回归模型表示从输入变量到输出变量之间映射的函数，回归问题的学习等价于函数拟合。
88920发布于 2018-10-11 - 来自专栏arXiv每日学术速递
统计学学术速递
点击阅读原文即可访问 stat统计学，共计40篇 【1】 Active Learning with Multifidelity Modeling for Efficient Rare Event Simulation each model's predictive capabilities, and make a model comparison using a Bayesian validation metric. 【10
1.4K30发布于 2021-07-02 - 来自专栏arXiv每日学术速递
统计学学术速递
点击阅读原文即可访问 stat统计学，共计46篇 【1】 Analysis of the evolution of agroclimatic risks in a context of climate decreased, with important disparities in the timing and rapidity of this decrease across the country. 【10 我们得出结论，10%最具传染性的指数病例约占预期继发感染的40-80%。我们的分析强调了从流行曲线中识别异质性疾病繁殖的困难，并且异质性是估计R\t$时的一个重要考虑因素。 We conclude that the 10\% most infectious index cases account for approximately 40-80\% of the expected Sukruth Bezugam 机构：Electrical Engineering Department, Indian Institute of Technology Delhi 备注：18 pages, 10
1.1K10发布于 2021-07-02
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