
统计学
文章平均质量分 53
颢师傅
这个作者很懒,什么都没留下…
展开
-
【机器学习】python借助pandas加载并显示csv数据文件,并绘制直方图
通过此函数检视pd各列名及内存使用情况。原创 2022-08-12 05:51:24 · 2072 阅读 · 0 评论 -
【机器学习】python使用matplotlib进行二维数据绘图并保存为png图片
代码】【机器学习】python使用matplotlib进行二维数据绘图并保存为png图片。原创 2022-08-12 05:08:07 · 2913 阅读 · 0 评论 -
【概率论】条件概率、贝叶斯公式、相关系数、中心极限定理、参数估计、假设检验
条件概率:可以以P(AB)与P(A)之比作为条件概率P(B|A)的一般性定义.解释:已知事件A发生了,有了这一信息后,即知试验所有可能结果所构成的集合就是A,在这基础上观察满足事件B的情况,为条件的概率。独立事件:设A,B为试验E的两个事件,如果满足等式P(AB)=P(A)P(B),则称事件A,B相互独立,简称A,B独立。全概率公式:是概率论中一个非常重要的公式.通常我们会遇到一些较为复杂的随机事件的概率计算问题,这时,如果将它分解成一些较容易计算的情况分别进行考虑,可以化繁为简。其意义是,在Ai,i原创 2022-06-26 01:38:02 · 4079 阅读 · 0 评论 -
pandas输出数据及统计量并保存为excel
import pandas as pdimport numpy as np#生成1.1到1.8的1行100列的随机小数:np.random.seed(1)out=np.random.randint(110,150,[100],)stringName=["第%d次"%(x+1) for x in range(100)]myData=dict(zip(stringName,out))#由字典转换时记得设置索引myPd=pd.DataFrame(myData,index=[0])print(my原创 2022-03-15 22:30:13 · 1700 阅读 · 0 评论 -
关于贝叶斯统计原理
某种类别的概率(比例)”有一个专有名词,叫作“先验概率”。“事前”的含义是:在获得某项信息之前。此处的“信息”是指:附加的状况,比如顾客忽然过来询问。通过“过来询问”这一信息,可以对顾客类别的推算进行修改,而“先验概率”是指,在“过来询问”或“不过来询问”的情况发生之前进行的概率判断。通常,“先验概率”可通过经验来判断。...原创 2021-09-24 08:00:23 · 922 阅读 · 0 评论 -
统计学基础--数据基础
文章目录统计学与概率论间的关系标准差除法的双重含义频数分布表代表值四分位数变量与数据关于置信区间统计学与概率论间的关系概率论研究的是一个白箱子,你知道这个箱子的构造(里面有几个红球、几个白球,也就是所谓的分布函数),然后计算下一个摸出来的球是红球的概率。而统计学面对的是一个黑箱子,你只看得到每次摸出来的是红球还是白球,然后需要猜测这个黑箱子的内部结构,例如红球和白球的比例是多少?(参数估计)能不能认为红球40%,白球60%?(假设检验)标准差除法的双重含义相同单位的比例是包含除,不同单位的原创 2021-09-11 18:53:13 · 917 阅读 · 0 评论 -
点位图与关联性
文章目录点位图相关系数对于双变量数据来说,矩形图与箱形图就不适用了。要抓住两个变量之间的倾向特征,就必须要用到别的图表,这就是点位图点位图示例:pandas 是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的。量化标准,求导相关系数:相关系数协方差原理:...原创 2021-09-11 18:52:53 · 231 阅读 · 0 评论 -
统计学基础--标准差
文章目录数据相对于均值的离散程度。也就是说,以“分数-平均分”的平均数为标准,是无法看出以平均数为基准的数据的离散程度的。原因是“分数-平均数”的结果中有正有负,相加之后全都互相抵消,无法得出数据与平均数之间的差距。在这种情况下,为了使“分数-平均分”的差即使为负也能显示出差值,可以将“分数-平均分”的值平方之后,再取平均数。通过方差我们可以看出,数据与其平均值之间的差距很适合用来研究以平均数为基准的数据离散程度。不过,也存在以下两个问题:(1)数值有时会变得过大(2)单位变为原先单位的平方简原创 2021-09-11 18:52:20 · 2847 阅读 · 0 评论 -
离散概率基础与随机变量
文章目录排列与组合独立事件随机变量的定义随机变量的期望值:排列与组合考虑到顺序的时候,被称为排列,不考虑顺序时被称为组合。组合的数量比排列更少,因为不考虑顺序和事件和积事件一般来说,如果一个试验中有A与B两个事件,“A与B至少有一个事件发生”的事件被称为A与B的和事件,写作A∪B;而“A与B同时发生”的事件被称为积事件,和事件与积事件的概率P(A∪B)=P(A)+P(B)-P(A∩B)A与B之间被称为相互排斥。此时两者事件交集为0;独立事件一般来说,当试验S与T相互独立时,S中发生原创 2021-09-11 18:52:04 · 2141 阅读 · 0 评论