- 博客(8)
- 收藏
- 关注
RSS订阅原创 turtle 使用指南：基础 2
本文介绍了Python turtle库的基础绘图功能，包括画笔移动、转向、填充等操作方法。主要内容分为：1）按方向移动画笔和转向方法，如forward()、left()等；2）按坐标轴方向移动画笔的setx()、sety()；3）画点、起落笔和坐标移动功能；4）填充图形的begin_fill()和end_fill()；5）隐藏画笔、印章和重置功能。文章通过绘制正方形等示例演示了各方法的使用，并提供了绘制美国队长盾牌的练习代码。这些基础功能为使用turtle库进行图形绘制提供了必要指导。
2025-12-04 16:10:20
605
原创 turtle 使用指南：基础 1
本文介绍了Python内置绘图库turtle的基本使用方法。主要内容包括：1) turtle模块的导入方式；2) 画布设置方法（如尺寸、背景等）；3) 画笔属性配置（如形状、颜色、速度等）；4) 基本绘图操作（如画圆）及窗口保持方法。通过代码示例和结果图示，详细展示了从创建画布到完成绘图的完整流程，适合初学者快速掌握turtle绘图的基本技巧。文中还提供了各方法的功能说明表格，便于查阅参考。
2025-11-26 17:14:43
868
原创 变量类型简述
本文从六个维度系统阐述了变量分类体系：1)数据类型（数值型/分类变量）；2)测量尺度（名义/顺序/等距/比率）；3)数学性质（定性/定量）；4)数据影响（自变量/因变量）；5)可操作性（原始/派生变量）。通过表格形式清晰呈现各类变量的定义特征和典型示例，并辅以思维导图直观展示分类框架。该分类体系全面覆盖了变量在统计分析中的核心属性，为数据建模和变量选择提供了系统化的参考依据。
2025-11-22 23:32:03
568
原创 简单线性回归模型违反线性关系假设的探讨（含Python代码实现）
本文探讨了简单线性回归模型违反线性关系假设的影响及解决方法。研究显示，当真实关系为非线性时，模型参数估计、预测结果和统计检验都会出现系统性偏差。文章提出两种检测方法：通过可视化散点图和残差图直观判断，以及使用Ramsey RESET检验进行统计验证。针对违反假设的情况，建议采用"变量变换线性化"的方法，如对二次函数关系引入平方项转化为多元线性回归。研究通过Python代码模拟实验，完整演示了从数据生成、假设检验到模型修正的全流程，为处理非线性关系提供了实用解决方案。
2025-10-29 17:08:42
824
原创 简单线性回归模型满足假设条件时的模拟数据生成（含python代码）
本文介绍了简单线性回归的六个基本假设及其Python实现代码。六个假设包括线性关系、严格外生性、同方差性、无自相关、正态性和无多重共线性。文章提供了对应的Python代码生成满足这些假设的模拟数据，包括解释变量X的生成、正态分布误差项的添加以及线性关系的构建。最后将这些功能封装成一个完整的Python函数generate_SLR_data，可生成符合所有假设的一元线性回归模拟数据，包括解释变量、被解释变量和误差项。该函数具有参数可调、随机种子可控等特点，便于回归分析的教学和实验。
2025-10-28 16:03:40
812
原创 简单线性回归模型
本文系统介绍了简单线性回归模型的基本概念与方法。首先阐述了模型的基本形式Y_i=β_0+β_1X_i+ε_i及六个核心假设条件，包括线性关系、严格外生性、同方差性等。其次详细推导了最小二乘法(OLS)的参数估计过程，给出了β_1和β_0的估计公式。然后重点讲解了高斯-马尔可夫定理，证明OLS估计量是最优线性无偏估计量(BLUE)，并分析了估计量的方差性质。最后将模型转化为矩阵形式，从几何角度解释OLS估计的投影本质。全文构建了从理论假设到参数估计的完整知识体系。
2025-10-28 09:59:55
786
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