统计学简单了解-基于机器学习二

这篇博客探讨了在数据中遇到异常值时,如何利用四分位数进行剔除,并通过箱线图进行可视化。同时,文章介绍了全概率公式与贝叶斯定理的关系,阐述了在条件概率顺序相反的情况下如何运用贝叶斯定理解决问题,提供了一个具体的例子来说明其应用场景。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

在这里插入图片描述

全距:即极差,可知数据分散情况
只有宽度

在这里插入图片描述
有异常值时变化很大
在这里插入图片描述
四分位数剔除异常值

箱线图
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
全概率公式是贝叶斯公式的分母
在这里插入图片描述

在这里插入图片描述

若问
在什么时候使用贝叶斯定理呢?
当所求的条件概率与已知的条件概率顺序相反时。
例如上面的例子,已知如下图
在这里插入图片描述
列式为: P(满意|1)、P(不满意|1)、P(满意|2)、P(不满意|2)
要求 P(2|满意) ,此式与上面的式子顺序相反,直接用贝叶斯定理。

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值