统计学-数据科学专业问答社区-CDA答疑社区

热线电话：13121318867

登录

詹惠儿

python的Q测试是什么？

导入相关库：导入数据为了开始执行离群值测试，我们将导入一些每10分钟采样的平均风速数据说明：在任何数据集中， outlier都是与其他数据点不一致的基准点。如果从特定分布采样的数据具有高概率，则异常值将不属于该分布。如果特定点是异常值，则有各种测试用于测试，这是通过常态测试中使用的相同的空假设测试来完成的。Q测试Dixon的Q-Test用于帮助确定是否有证据

0.0000

0

3

0

关注作者

收藏

zxq997

混淆矩阵和ROC曲线评判模型的效果

如上图的混淆矩阵，我们可以确定预测模型的灵敏度和特异度。灵敏度指的是模型“击中”的概率，也就是对于实际发生（取值为1）的样本，模型预测为1的概率。对应上图的公式为A/（A B）。特异度指的是模型“正确否定”的概率，也就是说对于实际没发生（取值为0）的样本，模型预测为0的概率。对应上图的公式为D/（C D）。因此，可以看到不管是灵敏度还是特异度，都是越高，说明我们的模型越有效。在实际应用

62.1152

1

3

0

关注作者

收藏

zxq997

冗余的处理

在进行逻辑回归时，我们希望选择的变量尽可能地有效，避免冗余。常用的变量筛选方法有如下几种：① Wald检验：通过Wald统计量，来检验自变量对因变量的影响能力。Wald越大，说明自变量的相关性越大，越应该保留。② 似然比检验(Likehood Ratio)：也是逻辑回归非常常用的一种检验方法。逻辑回归模型的估计一般是使用最大似然估计，也就是说找到一个似然函数L，使其达到最大值。L越大，也就说明

0.0000

0

2

0

关注作者

收藏

zxq997

列联表和卡方检验

分类变量之间的相关性一般可以采用列联表分析或卡方检验的方法来进行验证。列联表是两个分类变量的分类水平之间形成的交叉频数表，通过计算行百分比或列百分比，对实际频率和期望频率进行对比分析，例如一个典型的列联表如下：对于表中频数、期望频数、行/列百分比的解读方法要熟练掌握。比如98代表的是头发颜色为金色，眼睛颜色为深色的样本数量。而355.2则是期望的数量。6.7%是行百分比，也就是在所有头发

0.0000

0

0

0

关注作者

收藏

zxq997

横截面和时间序列数据在回归建模上的差异

横截面是指在统一时间平面上的数据，例如2013年各个上市公司的财报数据，如果研究其不同变量之间的线性关系，可以用多元线性回归模型。但是如果数据包含时间趋势，例如2001-2018年全国各个省市的宏观经济指标数据，如果要研究不同宏观指标之间的线性影响，就要用面板回归模型了（计量模型的一种）。

0.0000

0

4

0

关注作者

收藏

zxq997

多元线性回归的参数估计

与一元线性回归一样，多元线性的回归仍然使用最小二乘法来估计，即也就是使得因变量样本值到因变量估计值之间的2次距离总和最小。由于带估计参数有k 1个，因此我们在计算时会用到由k 1个方程构造的方程组通过方程组求解可以得到各个参数的参数估计，当然在本教材中，这部分的具体计算就留给计算机来运算了。

0.0000

0

2

0

关注作者

收藏

zxq997

修正的R2（Adjusted R-squared），又叫做修正多重判定系数。R2倾向于乐观估计线性回归的拟合度，它会随着模型中包含的自变量数量的增加而增加，而不管这自变量本身是否真的有效，这显然是不合理的。修正的R2能够有效的改进这种对于拟合度的高估，如果在模型中存在不重要的变量，即这些变量不能有效的改进模型，那么修正的R2将会降低。修正的R2的计算公式等于其中n为样本数，k为自变量

0.0000

0

1

0

关注作者

收藏

zxq997

不存在完全共线性假设

假设检验方法：判断共线性的方法主要有两种，一种是计算变量之间的线性相关系数，如果有若然对变量的相关系数大于0.5，那么就有可能存在共线性问题。第二种是计算方差膨胀系数（VIF）。若VIF10，说明问题比较严重。假设失效的影响：多重共线性的存在可能会使得回归系数的正负号与现实意义相反，使我们很难得知自变量与因变量之间真正的关系。假设失效解决方

0.0000

0

2

0

关注作者

收藏

zxq997

回归系数检验

回归系数检验的原假设为H0：i= 0，即第i个自变量xi 与因变量y没有线性关系。检验统计量与一元线性回归一致这里k表示自变量个数。检验决策方法与一元线性回归一致，这里不再重复介绍。假设失效的影响：如果模型的线性关系假设不成立，这就意味着模型中可能还有x2，ln(x)等非线性情形，或者因变量无法由自变量线性表示，此时所得到的模型参数无法证实刻画数据包含的内部规律。假设失效解决方法

0.0000

0

4

0

关注作者

收藏

詹惠儿

用python做指数拟合

导入相关的库：指数拟合＃在此处了解API身份验证：https：//plot.ly/python/getting-started ＃在这里找到你的api_key：https：//plot.ly/settings/api

0.0000

0

3

0

关注作者

收藏

詹惠儿

如何用python快速绘制散点图矩阵？

首先，导入python绘图的相关库：a导入数据这个例子中，我们将使用以下每10分钟采样一次的风速实际数据来展示。a数据如下：散点图矩阵

0.0000

0

2

0

关注作者

收藏

zxq997

线性关系检验

线性关系检验的原理与一元线性回归基本一致。具体步骤如下：提出假设：线性关系不显著。 计算检验统计量，这里k表示自变量个数。确定临界值：基于显著性水平，设定出临界值F 。作出决策：若F>F ，拒绝H0。

0.0000

0

4

0

关注作者

收藏

zxq997

多元线性回归的基本假设

由于自变量增加，多元线性回归除了保留一元线性回归的5个假设以外，还新增了线性无关假设。假设1：线性关系。因变量y与自变量x1，x2，…，xk之间存在线性关系。假设2：随机抽样。我们的样本数据是来自于总体的随机样本，该数据代表着假设1描述的总体。假设3：期望为0。误差项ε是一个期望值为0的随机变量，即E(ε)=0。假设4：同方差。给定任意的解释变量x1，x2，…，xk，ε的方

0.0000

0

0

0

关注作者

收藏

詹惠儿

用python如何快速绘制箱形图？

首先，导入python绘图的相关库：a导入数据这个例子中，我们将使用以下每10分钟采样一次的风速实际数据来展示。a数据如下：箱形图

0.0000

0

2

0

关注作者

收藏

詹惠儿

用python如何绘制直方图？

首先，导入python绘图的相关库：导入数据这个例子中，我们将使用以下每10分钟采样一次的风速实际数据来展示。数据如下：绘制直方图我们将使用我们数据的“10 Min Std Dev”列生成histogram 。

0.0000

0

4

0

关注作者

收藏

詹惠儿

如何用python进行线性拟合？

导入相关的库：线性拟合＃在此处了解API身份验证：https：//plot.ly/python/getting-started ＃在这里找到你的api_key：https：//plot.ly/settings/api

0.0000

0

3

0

关注作者

收藏

詹惠儿

如何用python进行Kolmogorov检验？

Kolmogorov-SmirnovKolmogorov-Smirnov检验相比Shapiro应用更加广泛，因为它可以将任何两个分布相互比较，不一定是对正态分布的一个分配。这些检验可以是单侧检验或双侧检验，但后者仅适用于两个分布都是连续的。由于我们的p值为0.0（意味着考虑到测试的小数精度，它实际上是“0”），因此我们有强有力的证据表明不应该拒绝零假设。

0.0000

0

3

0

关注作者

收藏

詹惠儿

如何用python进行正态分布？

导入相关库：导入相关数据： Shapiro-Wilk适用范围：Shapiro-Wilk正态分布检验适合与较小的数据集。由于P值远低于T统计量的值，我们在置信度为0.05时表明不能拒绝零假设。

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

矩阵QR分解学习分享~

A为m×n矩阵可以进行QR分解，A=QR，其中：Q'Q＝I，在R中可以用函数qr()进行QR分解，例如：> A=matrix(1:16,4,4)> qr(A)$qr[,1] [,2] [,3] [,4][1,] -5.4772256 -12.7801930 -2.008316e+01 -2.738613e+01[2,] 0.3651484 -3.2659863 -6.531973e

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

怎么用R矩阵奇异值分解

A为m×n矩阵，rank(A)= r, 可以分解为：A=UDV',其中U'U=V'V=I。在R中可以用函数scd()进行奇异值分解，例如：> A=matrix(1:18,3,6)> A[,1] [,2] [,3] [,4] [,5] [,6][1,] 1 4 7 10 13 16[2,] 2 5 8 11 14 17[3,] 3 6 9 12 15 18> svd(A)$d[

0.0000

0

1

0

关注作者

收藏

<1…464748…55>

CDA考试动态

CDA报考指南