- 博客(6)
- 收藏
- 关注
RSS订阅原创 数学专业本科毕业论文-选题方向
例如：“期权定价Black-Scholes公式的改进方案讨论”。例如：“并行计算框架下矩阵特征值提取效率测试报告编写”。例如：“物流配送路径优化算法的研究”。例如：“贝叶斯推断在医疗诊断中的实践探索”。研究群、环、域的基础理论及具体实例。例如：“有限群表示理论的应用案例分析”。例如：“偏微分方程数值解法在流体力学模拟中的实现”。例如：“黎曼猜想在现代密码学中的潜在影响”。例如：“非欧几里得几何的历史发展及其现实价值”。例如：“插值多项式误差估计技术比较研究”。例如：“点集拓扑在计算机图形学中的作用探讨”。
2025-04-23 23:08:27
1112
原创 偏度与峰度
数据左侧有长尾，均值 < 中位数 < 众数（如考试高分集中）。数据右侧有长尾，均值 > 中位数 > 众数（如收入分布）。减去3是为了以正态分布为基准（正态分布的峰度为3）。尾部比正态分布更厚，极端值更多（如金融收益率数据）。偏度和峰度对异常值敏感，需结合直方图或箱线图分析。，反映极端值出现的概率高低（与正态分布对比）。尾部比正态分布更薄，数据更集中（如均匀分布）。金融数据常呈现右偏+高峰厚尾（如股票收益率）。正态分布的偏度为0，峰度为3（超额峰度为0）。分布大致对称（如正态分布）。峰度（Kurtosis）
2025-04-22 16:57:59
2892
原创 为什么p值越小，越倾向于拒绝原假设？
即使微小差异也可能导致p值显著（如p < 0.001），但不一定具有实际意义。在原假设（H₀）成立的前提下，当前观测到的样本结果（或更极端结果）出现的概率。p值越小，说明数据与原假设的矛盾越大，因此我们越有理由拒绝原假设。：类似于“证据强度”，p值越小，证据越强，越有理由推翻H₀。：即使真实效应存在，p值也可能不显著（如p > 0.05）。，不能直接认定H₀正确（可能样本量不足或检验方法不合适）。：需要证据支持的结论（如“有罪”或“平稳”）。（1）p值反映“数据与原假设的冲突程度”
2025-04-20 17:32:20
1716
原创 eviews软件的ADF检验，通过p值，怎么看是否平稳？
若p值接近临界值（如0.06），建议同时比较ADF统计量与临界值。在对话框中选择检验类型（如“Intercept”、“Trend and Intercept”或“None”）。在EViews中打开序列，右键选择 Unit Root Test → ADF Test。通过这种方法，可以快速利用EViews的ADF检验结果判断时间序列的平稳性。作为阈值，但可根据研究需求调整（如1%或10%）。（例如，p=0.35 > 0.05，结论：非平稳）（例如，p=0.02 < 0.05，结论：平稳）
2025-04-20 15:05:55
1418
原创 回购和配股是什么？
配股：A股某上市公司按10配2募资10亿元，若股东不参与，除权后持股价值缩水。优先认购权：股东可按比例低价认购新股（如10配3），未认购的权益可能被稀释。（1）定义：上市公司用自有资金从公开市场或股东手中购回已发行的股票。提升股价：减少流通股数量，提高每股收益（EPS），吸引投资者。（1）定义：上市公司向现有股东按持股比例配售新股，以募集资金。强制参与性：若不参与配股，除权后可能直接亏损（股价下调）。优化资本结构：通过减少股本，提高净资产收益率（ROE）。长期：若公司负债回购或估值过高，可能增加财务风险。
2025-04-20 14:41:40
480
原创 《An Introduction to Statistical Learning with Applications in R》统计学习简介
3. 交叉验证（Cross-Validation）：交叉验证是一种评估模型性能的方法，通过将数据集划分为训练集和测试集多次，以确保模型的泛化能力。4. 正则化（Regularization）：正则化是一种防止过拟合的技术，在构建模型时添加额外的约束条件，以减少模型复杂度。常见的正则化方法有Lasso（L1正则化）和Ridge（L2正则化），它们分别在损失函数中加入绝对值和平方项的惩罚。2. 分类（Classification）：分类是机器学习中的一种监督学习任务，旨在将数据点分配到预定义的类别中。
2025-04-14 20:15:50
454
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人