摘要：
阅读全文
摘要：
阅读全文
摘要：
相关和回归的区别：回归是一种趋势考察，相关是一种紧密性的考察，从散点图看，点越分散程度表现为相关性，点呈现的趋势表现为回归 线性模型的几个重要点 独立性考察：wd检验 正态性考察：对残差，但是也可以先看看自变量和因变量是否存在强烈偏态 方差齐性考察： 决定系数：即百分之多少的变异程度可由当前模型解释 阅读全文
摘要：
关联分析（相关分析）：用于考察变量间数据关联密切程度的统计分析方法，几乎所有涉及到多个变量的假设检验分析，这些都可以看作是这样变量间的关联分析 相关分析的分类 按照变量数量 一个变量 vs 另一个变量（平常指的就是这个） 一个变量 vs 一组变量 一组变量 vs 另一组变量 多组变量间的相关分析 按 阅读全文
摘要：
import statsmodels.stats.contingency_tables as tb # 卡方检验，不同家庭收入级别在轿车拥有率上是否有区别 table = tb.Table(pd.crosstab(ccss.Ts9, ccss.O1)) table <statsmodels.stat 阅读全文
摘要：
参数统计方法的局限 需要事先明确假定的总体分布：t检验，方差分析 总体分布未知，或分布不符合要求时无法使用，比如时间明显是偏态分布的 结果为有序分类变量时无法使用 样本数据两端有不确定值，比如实验测含量，含量很低时无法用精确数值表示，只能说小于某个数值 非参数分析方法的特点 不依赖总体分布的具体形式 阅读全文
摘要：
试验中要考察的指标称为试验指标，影响试验指标的条件称为因素（分类变量），因素所处的状态称为水平，若试验中只有一个因素改变则称为单因素试验，若有两个因素改变则称为双因素试验，若有多个因素改变则称为多因素试验。方差分析就是对试验数据进行分析，检验方差相等的多个正态总体均值是否相等，进而判断各因素对试验指 阅读全文
摘要：
''' ORM是python编程语言后端web框架Django的核心思想，'Object Relational Mapping' 即对象-关系映射 简称'ORM' 一句话理解就是：创建一个实例对象，用它创建它的类名当做数据表名，用它创建类属性对应的数据表的字段， 当这个实例对象操作时，能够对应MyS 阅读全文
摘要：
def upper_attr(class_name, class_parents, class_attr): # Foo object {'bar':"bip"} ''' 将所有类属性或者方法的名字改成大写''' new_attr = {} for name, value in class_attr 阅读全文
摘要：
独立性：不同案例间的取值互相独立，不受到除研究中考虑的分组因素、配对因素等研究因素之外任何其他因素的影响，其他非研究因素的影响基本可以等同于随机误差 非独立的情形：研究儿童生长发育，样本中存在兄弟、表兄弟等近亲关系 数据的非独立的影响是比较大的，因为传统统计模型均按照数据独立假设进行推导，非独立会导 阅读全文