- 综合排序
- 最热优先
- 最新优先
- 来自专栏优雅R
数据科学23 | 统计推断-多重检验
for (i in 1:1000) { y <- rnorm(20) x <- rnorm(20) pValues[i] <- summary(lm(y ~ x))$coeff[2, if(i<=500){ y <- rnorm(20) } else{ y<-rnorm(20,mean=2*x) } pValues[i] <- summary x和y，后500个生成y的均值为x的2倍，y和x之间存在关系。 等于2，定义trueStatus声明实际?前500个为"zero"，后500个"not zero"。 par(mfrow = c(1, 2)) plot(pValues, p.adjust(pValues, method = "bonferroni"), pch = 19) plot(pValues
2.3K21发布于 2020-07-03 - 来自专栏优雅R
数据科学22 | 统计推断-多重检验
在统计分析时进行多次假设检验，多重检验校正可以降低假阳性结果的发生。 ➢校正显著性水平? if(i<=500){ y <- rnorm(20) } else{ y<-rnorm(20,mean=2*x) } pValues[i] <- summary(lm( x和y，后500个生成y的均值为x的2倍，y和x之间存在关系。 等于2，trueStatus变量声明实际?前500个为"zero"，后500个"not zero"。 par(mfrow = c(1, 2)) plot(pValues, p.adjust(pValues, method = "bonferroni"), pch = 19) plot(pValues,
1.3K11发布于 2020-07-03 - 来自专栏优雅R
数据科学18 | 统计推断-渐近性
渐近性（asymptopia）是样本量接近于无穷大时统计行为的一个术语。渐近统计即大样本统计主要研究当样本量n→∞时统计方法的有关渐进性质。渐近性有助于简单的统计推断和估计，也是频率解释概率的基础。 2. 中心极限定理 中心极限定理(Central Limit Theorem)：随着样本量的增加，IID样本的样本均值的分布收敛于正态分布。 -2?/√?, ?+2?/√?)内的概率约为95%， ±2?/√?为均值?的95%的置信区间，标准正态分布第97.5百分位数约为1.96，接近于2。 一般来说，二项分布试验中，小数点后1位的变化需要样本量为100，2位需要10 000，3位需要1000 000。 一种快速解决的方法： ，取值为1的次数X加上2，取值为0的次数也加上2，得到的置信区间称为Agresti-Coull置信区间。
2.9K30发布于 2020-07-03 - 来自专栏机器学习与统计学
Duke@coursera 数据分析与统计推断 unit2 probability and distributions
sample space, and the probabilities with which theyoccur rules 1. the events listed must be disjoint 2. Not necessarily, there may be more than 2outcomes in the sample space. standard deviations it falls above or below the mean ‣ Z score of mean = 0 ‣ unusual observation: |Z| > 2 binomial conditions 1. the trials must be independent 2. the number of trials, n, must be fixed 3. each
69620发布于 2019-04-10 - 来自专栏blackheart的专栏
2-var 类型推断
编译器根据=右边的语句推断出变量实际的类型。 所以使用var的要求就是右边的语句必须可以让编译器推断出实际的类型。所以=号右边是必须要有值的，即是必须要初始化，不能只是声明。 var并不是表示弱类型了，如下IL代码: 1 .method private hidebysig static void Main() cil managed 2 { 3 .entrypoint 4E 1E 82 25 66 CB 79 ) 13 IL_0008: stloc.1 14 IL_0009: ldc.r8 9.25 15 IL_0012: stloc.2 float64) 24 IL_0027: nop 25 IL_0028: ret 26 } // end of method Test::Main 从第6-8行就可看出编译器做了正确的类型推断 2.总结 var为编译器技巧，语法糖。匿名类型须此关键字搭配使用
97960发布于 2018-01-19 - 来自专栏优雅R
数据科学16 | 统计推断-概率和条件概率
统计学一般分统计描述及统计推断两部分。 统计描述是通过图表或数学方法，对数据资料进行整理后描述数据的客观规律，而统计推断则是使用从总体中随机抽取的数据样本，用样本数据总结的规律去对总体的未知特征进行推断。 本章主要学习统计推断常见的概念及相关基础内容。 1. 概率(probability) 概率衡量一个随机事件发生在所有事件的集合里占的比重，是对随机事件发生的可能性的度量。 1.5 * 0.75/2 [1] 0.5625 pbeta(0.75, 2, 1) [1] 0.5625 这个密度函数实际上是已知密度函数的一个特例——?分布。 统计推断目标是用样本估计总体，样本中位数将估计总体中位数；样本均值将估计总体均值；样本标准差将估计总体标准差，等等。 2.
1.4K10发布于 2020-07-03 - 来自专栏云深之无迹
统计是推断-样本分布碎碎念
啥是分布，先不说三大分布，就说真实的汉语意思：（得到精确的分布就是统计的目的） 就是散布的意思 比如这样 OK，我们从一堆东西，也就是样本中尽量提取出一些信息出来，这些信息统称为统计量，完全由样本所决定的量叫作统计量 想法是，我们现在现在先猜是属于正态分布的，但是两个参数不知道： 在统计中总体是未知的，是需要通过样本来推断的，所以用虚线和灰色来表示（总体的分布未知，总体的参数μ、σ^2也未知）. 大概就是这样 两个卡方组一个F 图像如此 三大分布完事以后，继续讨论统计量的分布，上面说了均值，现在是方差。 2，中心矩则类似于方差，先要得出样本的期望即均值，然后计算出随机变量到样本均值的一种距离，与方差不同的是，这里所说的距离不再是平方就能构建出来的，而是k次方。 surface键盘真垃圾 比耶，两天学完数理统计
29910编辑于 2024-08-21 - 来自专栏数据派THU
【经典书】统计学中的因果推断
来源：专知本文为书籍介绍，建议阅读5分钟本文为你介绍统计学中的因果推断。 Causal Inference in Statistics: A Primer一书的分享解读主要被分为四个部分： 第一部分：从宏观角度分析了因果科学的研究意义，巩固了统计学的基础知识，包括变量、概率、
65830编辑于 2022-06-16 - 来自专栏信数据得永生
数据科学 IPython 笔记本 六、SciPy 统计推断
六、SciPy 统计推断 原文：statistical-inference-scipy 译者：飞龙 协议：CC BY-NC-SA 4.0 6.1 效应量 署名：派生于 Allen Downey 现在我们可以计算样本统计量，如均值和标准差。 给定d（并假设分布是正态），你可以计算重叠，优势和相关统计量。 总之，报告效应量的最佳方式通常取决于受众和你的目标。通常在具有良好技术属性的摘要统计量，和对一般受众有意义的统计量之间进行权衡。 Cohen 的d等统计量是其他统计数据的比率，相对难以分析。 但是通过计算方法，所有样本统计量都同样“容易”。 关于词汇的一个注解：我在这里称之为“重采样”的东西，是一种称为“自举”的特定重采样。 在正常情况下，我们也可以推断出表观效应不太可能是由随机抽样引起的。 最后一点：在这种情况下，我会报告p值小于 1/1000 或 0.001。
1.1K30编辑于 2022-05-07 - 来自专栏c/c++的学习笔记
python数据分析——数据分析的统计推断
三、统计推断 统计推断包括:对总体的未知参数进行估计,对关于参数的假设进行检查和验证,对总体进行预测。科学的统计推断所使用的样本,通常通过随机抽样方法得到。 统计推断的理论和方法论的基础是来自于概率论和数理统计学。统计推断的一个基本特点是其所依据的条件中包含有带随机性的观测数据。 如何理解带随机性的观测数据？ 四、统计推断步骤 那么我们如何进行统计推断?当我们获得有效样本数据后,统计推断问题可以按照如下的步骤进行： 步骤1:确定用于统计推断的合适统计量。 步骤2:寻找统计量的精确分布。 设有样本：X1,X2,…,X 由于样本均值就是1阶原点矩,样本方差是2阶中心矩,所以在以下的关于矩估计的讨论主要集中数学期望和方差的估计。 由于样本方差标准差s=5.49, n=10, t1-a/2 =2.26 我们有: 所以, 2500名学生微积分的平均成绩82分的置信区间为: [82-3.92,82+3.92] 4.3.
93210编辑于 2024-03-20 - 来自专栏机器学习与统计学
Duke@coursera 数据分析与统计推断 unit1 part2 introduction to data
roughly the average deviation around themean, and has the same units as the data
61910发布于 2019-04-10 - 来自专栏优雅R
数据科学17 | 统计推断-期望方差和常见概率分布
统计推断中，用样本均值估计总体分布的均值(期望值)，样本量越多，样本均值约接近总体均值。 例：HistData包中的Galton数据集，包括父母和孩子的身高。 g <- g + geom_vline(xintercept = mu, size = 2) mse <- round(mean((Galton$child - mu)^2), 3) g 之间距离平方的期望：统计描述中，总体方差 ；样本方差 。 ?为总体均值， 为样本均值。 ・样本方差 以估计总体方差 。 样本方差也是一个随机变量，样本方差的期望值是它试图估计的总体方差。 -2?,?+2?）内的面积约为95%；横轴区间（?-3?,?+3?）内的面积约为99%；即变量值x落在（?-3?,?+3?）区间的概率约为99%。 pbinom(2, size = 500, prob = 0.01) [1] 0.1234 ppois(2, lambda = 500 * 0.01) [1] 0.1247 当n很大而p很小时，二项分布与泊松分布十分接近
2.1K20发布于 2020-07-03 - 来自专栏sickworm
2. 变量声明与类型推断
ReadyForPlayingData(); var onProgressListener = WeakReference(this); var result = getPlayingResult() 微微统计一下 类型推断与 var Kotlin 不再需要显式的声明变量的类型，取而代之的是通过赋值的类型来判断。事实证明，绝大部分情况都是 work 的。而且编译器非常聪明，甚至连参杂了多种类型的范型都能推断出来！ 极小部分情况需要显式声明，如： 被赋值的类型不是期望的类型，如想声明为其父类 某些极限情况会出现无法推断的情形，如循环推断依赖 但确实是极小部分的情况，而且 IDE 都能给出解决办法。 2000 年后出现的编程语言基本都支持类型推断了。连 Java 8 也开始支持类型推断。 可参考：程式語言歷史 2. final 与 val val = final var，不过 Kotlin 没有 final 这个关键字，只是代表的意义是这个意思。这个知识点已经讲完了，再见！
91730发布于 2020-02-11 因果推断新方法：识别统计异常值的根源
异常值问题是统计学中最古老的问题之一，已成为学术研究超过一个世纪的主题。尽管在检测异常值方面已有很多工作，但缺乏一种形式化的方式来定义异常值的“根本原因”。
15610编辑于 2026-01-26- 来自专栏BioIT爱好者
癌症中克隆种群结构统计推断分析软件PyClone安装小记
PyClone 是一种用于推断癌症中克隆种群结构的统计模型。 # 创建基于 Python2.7 名字为 pyclone 独立环境 conda create --name pyclone python=2 # 激活 pyclone 环境 source activate packaged by conda-forge | (default, Oct 12 2018, 14:10:50) [GCC 4.8.2 20140120 (Red Hat 4.8.2-15)] on linux2 #11628 anaconda-issues，#6678 aroth85/pyclone，GitHub YTer，Pyclone 说明，Hexo 个人博客 用户1680321，安装使用pyclone进行克隆演化推断
3.9K20发布于 2018-11-01 - 来自专栏java架构学习交流
概率分析方法与推断统计(来自我写的python书)
在数据分析统计的场景里，常用的方法除了描述性统计方法外，还有推断统计方法，如果再从工作性质上来划分，推断统计包含了参数估计和假设验证这两方面的内容。 而推断统计用到了很多概率统计方法，所以本小节在介绍推断统计的内容前，还将讲述一些常用的概率统计方法。 2 用直方图来拟合正态分布效果 正态分布是一种连续随机变量概率分布，它是很多分析统计方法的基础，比如包括回归分析等在内的多种方法均要求被分析的样本服从正态分布。 而且，满足正态分布的随机变量样本集，大约68.3%的样本落在距数学期望值有1个标准差（即σ）的范围内，大约95.4%样本落在在距数学期望值有2个标准差（即2σ）的范围内，大约99.7%样本落在距数学期望值有 4 参数估计方法 参数估计方法是推断统计的一种方法，该方法的理论基础是正态分布，也就是说，如果该方法的适用范围是满足正态分布的序列。
1.1K10发布于 2021-03-02 - 来自专栏优雅R
数据科学19 | 统计推断-t分布置信区间
偏态分布的数据不满足t分布置信区间的假设，置信区间的中心落在均值处没有意义，可以考虑使用对数处理数据，或使用其他统计量如中位数。 + (n2-1) * sd(g2)^2) / (n1 + n2-2)) #计算合并标准差 md <- mean(g2) - mean(g1) semd<-sp*sqrt(1/n1+1/n2) #计算均值之差的标准误 画出原始数据： meanweight<-ChickWeight %>% group_by(Time,Diet) %>% summarise(weight = mean(weight)) #按Time统计 0 2 40.7 3 0 3 40.8 4 0 4 41 5 2 1 47.2 6 2 2 49.4 实际上，方差不齐的独立样本的相关标准化统计量不服从t分布，当其自由度用这种方式计算下才近似t分布。 例：比较8名口服避孕药及21名空白对照患者的血压。
4.2K20发布于 2020-07-03 - 来自专栏AI科技大本营的专栏
课程 | 8小时搞定机器学习之概率与统计推断
没错，我们的美女老师冒老师要开新课啦~~~专门为你排忧解难，解决各大数学问题——《机器学习之概率与统计推断》在等你哦！ 概率与机器学习算法？ 抢先体验冒老师的讲课风格，超?????好评
73980发布于 2018-04-26 基于代理似然函数的随机图统计推断技术解析
Graphs With a Surrogate Likelihood Function Dingbo Wu, Fangzheng Xie; 26(230):1−65, 2025.摘要谱估计器已被广泛应用于统计网络分析 本文提出了一种用于一类流行网络模型（称为随机点积图）统计推断的新型代理似然函数。与结构复杂的精确似然函数相比，该代理似然函数具有可分离结构和对数凹性，同时能很好地逼近精确似然函数。
6900编辑于 2026-01-12- 来自专栏人人都是数据分析师
因果推断文献解析|A Survey on Causal Inference(2)
一介绍 上一篇ZZ介绍了本篇综述的摘要和引言，了解到了本篇文章主要是关于基于“潜在结果框架”的因果推断方法综述。 二正文解析 2. 因果推断基础 本章节，作者将介绍因果推断的一些基础概念和符号表示，包括任务描述，数学符号表示，前提假设，面临的挑战和一般的解决办法，最后会给出一个启发性的例子，该例子贯穿全文。 在本小节的最后部分，作者使用上面定义的符号语言，重新定义了一些因果推断的目标：给定数据集： ， 是样本数量；因果推断的目标是计算 、、、 。 假设2：Ignorability，可忽略性，给定环境变量后，策略分配与策略会产生的潜在结果是独立的： ? 即不能根据策略产生潜在结果的好坏来选择策略： ? 策略的分配也不会影响到潜在的结果分布： ? 2.首先根据观测数据生成基本模型，然后对选择偏差造成的有偏估计进行矫正。代表方法是元学习。在接下来的章节中，作者将会对这些方法进行详细介绍。 三休息一下 呜呼，读起来挺快，写出来真慢。
1.2K20发布于 2021-05-13
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