- 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-统计常用分布(2)
pi}\sigma}e^{-\frac{\left( x-\mu \right) ^2}{2\sigma ^2}} ,E\left( X \right) =\mu \\D\left( X \right \chi^2 分布，如果随机变量Z 服从于标准正态分布，那么其平方将服从自由度为1的\chi^2 分布.如果随机变量X_1 ,X_2 ,X_3 ,...... ) F分布，若随机变量X_1 ,X_2 服从自由度分别为\nu _1,\nu _2 的\chi^2 分布，则其比值服从F分布。 F=\frac{\chi ^2\left( \nu _1 \right)}{\chi ^2\left( \nu _2 \right)} 3.抽样分布的应用3.1参数估计参数即为描述总体的情况。 常见的是置信区间的估计，要估计一个参数，必须了解相应统计量的抽样分布规律。3.2假设检验通过随机变量服从抽样分布去反证原假设的成立与否。
1.1K00编辑于 2022-11-16 - 来自专栏浊酒清味
量子统计力学2
上面这些公式对量子纠缠的研究很有用。纠缠跟黑洞热力学和热态的纯态化有关。我们考虑希尔伯特空间
51020发布于 2021-08-24 - 来自专栏PostgreSQL研究与原理解析
PG中的查询：2.统计--（2）
Filter: ((seat_no)::text > '30C'::text) (2 rows)截止座位号专门选择在两个桶之间的边缘。此条件的选择性是N/桶数。 这些统计数据被采集，并用于估计阵列和tsvector数据的选择性。 2) elem_count_histogram数组是不同值的数量的直方图。 => 5": 1.000000, "5 => 2": 0.010567} (1 row) 数字2和5是表pg_attribute中的列号。 从0（独立）到1（第2列中的值完全由第一列中的值定义） 不同值的多元数量 对于来自多列的值的不同组合数量的统计将显著提高GROUP BY对多列操作的基数。 .; 在这些示例中，仅为2列收集了multivariate statistics，但是可以根据需要为任意多的列收集他们。还可以将不同类型的统计信息收集到单个扩展统计信息对象中。
96310编辑于 2022-03-29 - 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。 有人会问，不满足怎么办，那些统计学家和数学家想出各种办法去解决不满足该怎么去检验的问题：正态性差不多，但是方差齐性不满足，那就校正一下t吧，用t‘检验，校正的公式怎么来的，可以去问Gosset高斯，他应该知道 构建统计量：t=\frac{\bar{X}_1-\bar{X}_2}{S_{\bar{X}_1-\bar{X}_2}},\\S_{\bar{X}_1-\bar{X}_2}=\sqrt{S_{C}^{2} ,p<0.02,拒绝H0，可认为两组均数差异有统计学意义，由于X1>X2,可以推断试验组均数高于对照组均数。 置信区间的求法同样借助于统计分布，后续单开一个章节说一下理解。Satterthwaite就是方差不齐的时候采用的校正t检验的结果。
2.4K30编辑于 2022-11-18 - 来自专栏饶文津的专栏
【计导作业】链表——成绩统计2
你的任务是分别统计出1400分以上同学的具体信息与人数。学生的姓名中只能包含大小写字母与空格字符，不会超过20个字符；学生的学号是个长度不会超过20的字符串，只包含数字字符。 输出最终的统计信息，具体格式见样例。注意这里的单词students等一律使用复数形式。 0821131666666 1495 Albert Einstein 0821131477777 1350 Bill Gates 0821131588888 1101 ##### 输出 There are 2
55420发布于 2020-06-02 - 来自专栏机器学习/数据可视化
统计学习方法导论—2
过拟合是指学习时选择的参数过多 过拟合对已知数据能够很好的判断，但是对未知数据预测的效果很差 模型选择的目的在于避免过拟合并且提高模型的预测能力 栗子：对M次多项式进行拟合 f_M(x,w)=w_0+w_1x+w_2x2 =0}Mw_jxj 解决办法： 确定模型的复杂度，即多项式的次数 在给定的模型复杂度下，根据经验风险最小的策略，求解参数，即多项式的系数 经验风险最小化 L(w)=\frac{1}{2} \sum_{i=1}{N}(f(x_i,w)-y_i)2 损失函数是平方损失，系数\frac{1}{2}是为了后续的求导计算。 \lambda ||w||1 者表示成参数向量的范数 L(w)=\frac{1}{N}\sum{i=1}N(f(x_i;w)-y_i)2+{\frac{\lambda}{2}||w||^2} 正则化作用 y_2),…(x_i,y_i),…,(x_N,y_N)} N是样本容量，T是从联合概率分布 假设空间是函数的集合\Gamma = {f_1, f_2, …, f_d}，d是函数的个数。
51630发布于 2021-03-02 - 来自专栏刷题笔记
7-2 树种统计 (20 分)
本文链接：https://blog.csdn.net/shiliang97/article/details/102924532 7-2 树种统计 (20 分) 随着卫星成像技术的应用，自然资源研究机构可以识别每一棵树的种类 请编写程序帮助研究人员统计每种树的数量，计算每种树占总数的百分比。 输入格式: 输入首先给出正整数N（≤105），随后N行，每行给出卫星观测到的一棵树的种类名称。 就是因为是统计树所以出在在这个专题里面了？
1.1K10发布于 2019-11-07 - 来自专栏python3
软工作业2-词频统计
软工作业2 ——实现一个能够对文本文件中的单词的词频进行统计的控制台程序 1.Github地址： https://github.com/wangshiyaoyao/WordCont 2.PSP表格 PSP2.1 Personal Software Process Stages chars:获取字符统计结果 cotainer:获取词频前10统计结果 lines:获取有效行统计结果 words:获取单词数目统计结果 _word_check_in_line 功能测试 测试统计字符个数 测试统计有效行数 测试统计词频 测试统计单词数 5.关键功能实现 _analysis(filename, encoding) 使用字典进行词频统计，避免重复 文件默认使用utf-8打开 词频统计： 1 def _word_analysis(self, line): 2
90330发布于 2020-01-16 - 来自专栏PostgreSQL研究与原理解析
PG中的查询：2.统计--（1）
基本统计 pg_class系统表存储着基本关系级别的统计信息。 统计信息包括： 1) 关系的行数reltuples 2) 关系大小，以页为单位relpages 3) 关系visibility map中被标记的页的页数relallvisible SELECT reltuples Seq Scan on flights (cost=0.00..4772.67 rows=16036 width=63) Filter: (actual_departure IS NULL) (2 aircraft_code' \gx −[ RECORD 1 ]−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−− mcv | {CN1,CR2, Scan on flights (cost=0.00..5309.84 rows=7957 width=63) Filter: (aircraft_code = '733'::bpchar) (2
1.4K20编辑于 2022-03-29 - 来自专栏小狐狸说事
B2主题底部网站统计美化
B2主题底部网站统计美化 ---- 效果图 插入代码到子主题style.css里 /*底部统计美化开始*/ .b2-content { display: block; flex-flow 14px; color: rgba(255, 255, 255, 0.80); letter-spacing: .5px; font-family: Arial; } /*底部统计美化结束 */ /*底部统计美化开始*/ .b2-content { display: block; flex-flow: row; } .siteCount { position: $today["mday"]); $postsNumber = $query->found_posts; return $postsNumber; } /*底部统计结束*/ /*底部统计开始 $today["mday"]); $postsNumber = $query->found_posts; return $postsNumber; } /*底部统计结束*/ 用到的一张图片，自行上传
1.3K21编辑于 2022-11-17 - 来自专栏大大刺猬
参数变量浅析(2) -- 统计信息(statistics)
导读统计信息是啥? 对表(索引)的信息的统计. 有对表(索引)级统计的, 比如有多少行数据,平均行长度; 也有针对某些字段的更具体的统计(直方图), 比如a字段在某个范围有多少条,占比多少.统计信息有啥用? Mysql存在一个计数来统计表的数据量变化(重启后重新计数), 若变化量达到10%,则触发自动收集统计信息当表新增/删除字段的时候. mysql是索引组织表, 主键含有所有字段, 当新增字段之后,会更新表的统计信息当 )怎么收集统计信息 使用analyze table tblname即可收集表的统计信息. stats_sample_pages 每次收集时采样多少stats_persistent 是否持久化这里有个没卵用的细节, 在sdi信息中, stats_auto_recalc 0:不显示, 1:启用 2:
58830编辑于 2025-08-16 - 来自专栏生信技能树学习笔记
Linux文本查看、操作、统计2-14
#打印所有内容 包括特殊字符、制表符等（Tab健以^I显示） cat -n [路径] #显示行号 cat >file #可以写入内容 但是无法修改内容了 eg: cat > file 1 2 向下 shift+n 向上 less -NS [文件路径] # 显示行号，并且一行的内容只在单行显示 按q退出 zless [文件路径] #打开压缩文件 显示得更全 wc [路径1] [路径2] #以第二列为排序的根据，进行排序 默认使用字符串的字母进行排序 sort -n -k 2 #把第二列当作数值 作为排序的根据 从小到大排序 sort -V #字符串中含有数值时，用数值从小到大排序 sort -r #从大到小 sort -t #指定分隔符 去重复：(需与sort连用) uniq -c #先排序再去重复才能达到真正去重复的效果 -c是统计重复了多少次 上下合并两个文件： cat [文件1路径] [文件2路径] > [新的文件] 左右合并： paste [路径1] [路径2] paste -d "分隔符" [路径1] [路径2] #用分隔符合并两个文件 paste -s
1.4K20编辑于 2023-03-02 - 来自专栏R语言数据分析指南
R优雅的进行统计分析(2)自定义添加统计信息
❝本节来介绍如何使用R语言来做统计分析，通过「rstatix」包进行统计检验，完全使用tidyverse体系进行数据清洗及可视化，使用add_pvalue,stat_pvalue_manual两个函数来自定义添加 dose)) %>% group_by(dose) %>% summarise(value_mean=mean(len),sd=sd(len),se=sd(len)/sqrt(n())) 统计分析 scale_y_continuous(expand=c(0,0),limits = c(0,33)) + theme_niwot()+ scale_fill_brewer(palette="Blues") 统计分析 2 stat.test2 <- ToothGrowth %>% mutate(dose=as.factor(dose)) %>% group_by(dose) %>% t_test(len ~ supp scale_y_continuous(expand=c(0,0),limits = c(0,42))+ theme_niwot()+ scale_fill_jco() 数据可视化(3) ❝按不同分子分别对组内组间进行统计分析
1.2K30编辑于 2022-09-21 day2 学习 函数的运用 统计基础
title: "第3节" output: html_document date: "2025-02-06" 向量的生成 用c()放到一起 c(2,5,6,2,9) c("a","f","md","b" 3 连接起来:x1 x2 x3.容错机制：重复次数不同，结果相同 paste0函数，默认sep=""是两个函数唯一的区别 向量间的转换：逻辑-数值-字符，逻辑-字符 （逻辑 T=1 F=0） 统计 max var(x) #方差 sd(x) #标准差 sum(x) #总和 length(x) #长度 unique(x) #去重复 duplicated(x) #对应元素是否重复 table(x) #重复值统计 sort #比较运算 x = c(1,3,5,1) y = c(3,2,5,6) z = c(2,5,6,2,1) x == y y == x x == z x + y paste(x,y,sep=" (b %in% c(9,13))] #反选 #根据位置取子集 b[4] b[2:4] b[c(1,5)] b[-4] b[-(2:4)] 索引、下标、位置是同一个位置
15200编辑于 2025-02-12- 来自专栏涛的程序人生
【matplotlib】2-使用统计函数绘制简单图形
文章目录 使用统计函数绘制简单图形 1.函数bar()--用于绘制柱状图 2.函数barh()--用于绘制条形图 3.函数hist()--用于绘制条形图 4.函数pie()--用于绘制饼图 5.函数polar 用于绘制极线图 6.函数scatter()--用于绘制气泡图 7.函数stem()--用于绘制棉棒图 8.函数boxplot()--用于绘制箱线图 9.函数errorbar()--用于绘制误差棒图 使用统计函数绘制简单图形 SimHei'] # 指定默认字体 mpl.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题 # 生成数据 x = [1, 2, 添加标题 plt.title('bar chart') # 添加坐标轴标签 plt.xlabel('category') plt.ylabel('weight(kg)') plt.show() 2. SimHei'] # 指定默认字体 mpl.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题 # 生成数据 x = [1, 2,
2.1K10编辑于 2022-12-13 - 来自专栏sktj
python 统计文件中单词出现的频率2
index = {} with open(sys.argv[1], encoding='utf-8') as fp: for line_no, line in enumerate(fp, 1): for match in WORD_RE.finditer(line): word = match.group() column_no = match.start()+1 location = (line_no, column_no) index.setdefault(word, []).append(location) # <1>
2.2K30发布于 2019-07-31 - 来自专栏HHTjim'S 部落格
PostViews插件每刷新统计2次的问题
PostViews插件每刷新统计2次的问题 作者：matrix 被围观: 1,329 次 发布时间：2011-09-12 分类：兼容并蓄 零零星星 | 无评论 » 这是一个创建于 4006 要不信，就刷新此文，看看标题右边的“ *次阅读 ”是不是（如果不是那就是弄好了）每刷新一次就增加2个统计。 昨天准备把空间从kilu.de迁到000webhost，现在才算弄好，不料出了这样的茬子。 全都是PostViews插件不能统计的问题。我估计是代码哪里有误，反正不是数据库的原因。 解决办法： 就是换一个主题或者是更新主题。
36120编辑于 2022-09-26 - 来自专栏0基础入门Linux系统
linux day2:文本查看、操作、统计命令
.> 重定向 2.>> 追加 ，保持前面内容继续往下写 3.ctrl+c 终止 cat readme.txt cat -n readme.txt ## 写入文件 cat >file Welcome less Data/example.fq less -S Data/example.fq less -N Data/example.fq zless -N Data/reads.1.fq.gz wc:统计文本常见参数 : -l 统计行数 -w 统计字符串数 -c 统计字节数 cat -n readme.txt cat readme.txt | wc wc -l readme.txt cut:文本切割 常见参数: Data/example.gtf | cut -f 3 | sort | uniq -c paste:文本合并 常见参数: -d:指定分隔符 -s:按行合并 常见用法: paste file1 file2 seq 20 | paste - - less -S Data/example.fq | paste - - - | less -S paste file1 file2 tr:字符替换 常见用法: tr
40210编辑于 2024-03-21 - 来自专栏人人都是数据分析师
统计学(2)|AB测试—理论基础
ZZ之前承诺以A/B测试为案例，串联起统计学的理论，让理论直接落地于实践，搭建起统计学理论与工作实践的桥梁。所以，为了实现吹过的牛逼，这篇”A/B测试—理论基础“应运而生。 2 A/B测试的本质 上一篇统计学必知必会中，ZZ详细的剖析了统计学中关于假设检验部分的发展历程，从计数到均值方差；从总体到样本；从频率到概率；从指标到分布；最后由于现实世界的限制，研究从样本推断总体， 进而引出统计量，抽样分布，最后引出假设检验，下面是详细链接，没有看过同学建议移步先行阅读一下： 统计学(1)|白话统计学发展(含统计学必知必会) 那么本质上来说，A/B测试就是假设检验理论的一个实际应用而已 当总体是正态分布的情况下，我们可以推导出关于样本方差 S^{2}的分布形式为(具体推导过程感兴趣的同学在评论区留言，我会把推导过程回复)： 其中， 为自由度为 的卡方分布，需要注意的是，样本方差的此分布形式有前提 在总体方差已知的情况下，我们构造的统计量只涉及样本均值的分布，由中心极限定理可知，总体不需满足正态分布；但是总体方差未知的情况下，我们用样本方差去估计总体方差，构造的统计量需要在总体满足正态分布的情况下才是
1.4K20发布于 2021-05-13 - 来自专栏iOSDevLog
《统计学习方法》第 2 章 感知机
Statistical Learning Method 统计学习方法 https://pypi.org/project/slmethod/ import numpy as np import matplotlib.pyplot sklearn.datasets import make_classification %matplotlib inline 生成数据 # X 为样本特征，y 为样本类别输出，共 30 个样本，每个样本 2 n_features=2, n_informative=2, n_redundant=0, n_classes=2, n_clusters_per_class=1, random_state ', label='sklearn', linewidth=0.3) [<matplotlib.lines.Line2D at 0x12bdbe320>] ?
48160发布于 2019-06-11
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