上一页 1 2 3 4 5 6 7 8 9 ··· 16 下一页
摘要: Ref: https://onlinecourses.science.psu.edu/stat464/print/book/export/html/8 前面都是对一两个样本的检查,现在考虑k个样本的情况,我们的假设是: Analysis of Variance (ANOVA) assumptions 阅读全文
posted @ 2017-06-10 13:59 陆离可 阅读(221) 评论(0) 推荐(0) 编辑
摘要: 今天继续two-sample test Ref: https://onlinecourses.science.psu.edu/stat464/print/book/export/html/6 Mann-Whitney Test 前面说这个和Wilcoxon是identical的,只是统计量不同。现在 阅读全文
posted @ 2017-06-08 11:03 陆离可 阅读(617) 评论(0) 推荐(0) 编辑
摘要: 懒得装双系统,所以在win7下用pycharm,python2.7 虽然机子本身是64位,但是安装包的时候,我居然需要下载32位的??迷:) 这次装的是scipy。在pycharm里添加不了,根据网上的解释,是windows比较神奇,嗯。解决方案如下: 1. 去这个网站下载两个文件:numpy-1. 阅读全文
posted @ 2017-06-07 18:20 陆离可 阅读(1068) 评论(0) 推荐(0) 编辑
摘要: 接演前文。 设置属性的方法: 使用对象的set_*方法,单独设置每个属性;或使用plt.setp同时设置多个属性 同时,可以使用get_*或者plt.getp来获取对象的属性值。 Figure对象有一个axes属性,值为AxesSubplot对象列表,即图中的每个子图。获得当前的子图应使用 要在Fi 阅读全文
posted @ 2017-06-07 13:29 陆离可 阅读(322) 评论(0) 推荐(0) 编辑
摘要: Ref: https://onlinecourses.science.psu.edu/stat464/print/book/export/html/5 Two sample test 直接使用R的t-test t.test(n, t, alternative="two.sided", var.equ 阅读全文
posted @ 2017-06-07 10:43 陆离可 阅读(294) 评论(0) 推荐(0) 编辑
摘要: Ref: https://onlinecourses.science.psu.edu/stat464/print/book/export/html/4 使用非参数方法的优势: 1. 对总体分布做的假设少,所以总体分布未知也可以; 2. 容易做; 3. 一般对离群值更具鲁棒性robust; 4. 适用 阅读全文
posted @ 2017-06-06 15:03 陆离可 阅读(273) 评论(0) 推荐(0) 编辑
摘要: Ref: https://onlinecourses.science.psu.edu/stat464/print/book/export/html/3 The Binomial Distribution in R: The Normal Distribution in R: 要执行t-test或者查 阅读全文
posted @ 2017-06-06 13:28 陆离可 阅读(162) 评论(0) 推荐(0) 编辑
摘要: 参考网址: https://onlinecourses.science.psu.edu/stat464/node/2 Binomial Distribution Normal Distribution 将正态分布标准化。这也就是Z-score Confidence Interval 在上面的前提下, 阅读全文
posted @ 2017-06-06 11:19 陆离可 阅读(157) 评论(0) 推荐(0) 编辑
摘要: #coding = utf-8 import pandas as pd import numpy as np import matplotlib as plt dates = pd.date_range('20170601', periods=6) # make a random 6*4 matrix df = pd.DataFrame(np.random.randn(6, 4), inde... 阅读全文
posted @ 2017-06-05 18:56 陆离可 阅读(145) 评论(0) 推荐(0) 编辑
摘要: #coding = utf-8 import pandas as pd import numpy as np import matplotlib as plt # series, like vector, vertical aligned. s = pd.Series([1,2,np.nan,3]) print s ''' 0 1.0 1 2.0 2 NaN 3 3.... 阅读全文
posted @ 2017-06-05 18:55 陆离可 阅读(164) 评论(0) 推荐(0) 编辑
上一页 1 2 3 4 5 6 7 8 9 ··· 16 下一页