随笔分类 - Udacity机器学习入门之统计基础（一）
摘要：了解什么是有效大小，尝试一个单一样本t检验的完整示例。 效应量 调查研究的一个重要方面是效应量，在实验性研究中或存在处理变量的研究中，效应量是指处理效应的大小，意思很直观； 在非实验性研究中，效应量是指变量之间的关系强度，在 z 检验或 t 检验中，最简单的效应量衡量指标是均值差异，即两个均值之间的
阅读全文
摘要：介绍T分布、T检验、Z检验与T检验、P值、相依样本以及配对样本的非独立T检验。 T分布 在到目前为止举的所有例子中，我们都假设我们知道总体参数 μ 和 σ，但很多时候，我们并不知道，我们通常只有样本，然后只能通过样本得出所有结论。 通过样本得出样本均值与总体的区别有多大？以及两个样本之间区别多大？
阅读全文
摘要：学习假设检验的基础知识，包括如何设置假设检验。 统计学家规定了关于可能性或不可能性的三个常规级别：如果达到样本均值的概率小于，0.05 即 5%，0.01 即 1% 或 0.001 即 0.1%，那么通常被视为不太可能发生。概率小于 0.1% 的情况是非常不可能的，这些叫做 α 水平。 现在做一道快
阅读全文
摘要：学习如何使用置信区间估计总体参数，并估计某种处理的效果。 总结下上一章的内容，我们从一个总体(分布) 即 Klout 分数开始介绍，该总体的数量是 1,048，Klout 分数均值是 37.72，总体标准偏差约为 16.04，根据中心极限定理，如果我们取出同一样本量的所有可能样本，然后算出每个样本的
阅读全文
摘要：如果给出正态分布总体的均值和标准偏差，我们就能通过计算出小于或大于任何值的百分比，将该值与总体中剩余的值对比，那对于样本呢，我们如何将总体中的特定样本与其他样本相比较？ 所有选项都正，之前我们已经了解到中心值可以描述一组数据，如果我们要对比样本，我们可以对比该样本的中心值具体来说即均值。 举一个简单
阅读全文
摘要：概率密度函数 在正态分布中，通过查看某个值在 x 轴上的位置，即标准偏差，我们能够确定小于或大于任何值的百分比，接下来将学习如何计算这些百分比。请注意，我们使用的是理论曲线来绘制数据模型，该曲线下的面积是 1，因为它是用分布数据的相对频率（即比例）来绘制数据模型，该曲线叫做概率密度函数，通常缩写为
阅读全文
摘要：之前已经看到了用直方图来显示数据集的重要性，以便分析图表形状，我们想要分析该形状，这样就可以严谨地思考平均值、中位数和众数并描述数据集，在偏态分布中平均值、中位数和众数各不相同，在很多情况下，中位数可能比平均值更有用，在正态分布中，平均值、中位数和众数几乎相等，还需要了解分布形状的哪些方面？ 举例说
阅读全文
摘要：学习如何使用方差和标准偏差定量分析数据的分布。并学习如何使用箱线图和四分位距找出差异值。 值域 平均值、中位数和众数似乎是一样的 众数 图1，众数是y轴值为330的那一列，对应的x轴的值为40000-50000；图2，众数是y轴值为187的那一列，对应的x轴的值为40000-50000 中位数 样本
阅读全文
摘要：学习集中趋势的三种量度：均值、中位数和众数。 用这些分布来判断，看起来大多数护理专业学生每年能挣50,000到60,000之间，所以，如果说出这两个数字之间的数字，那么就没错，但对于大多数地理专业学生来说，应该在40,000到可能55,000之间，我们关注分布的中心，这是大多数得分所在的位置，这个中
阅读全文
摘要：通过创建和解读直方图、柱状图和频数图，学习数据可视化基础知识。 大多数学员都来自中国，但是只花 4 秒钟的时间来观察这一表格可能很难看出，你可能扫了一眼表格，发现上面写了好多“中国”，因此能够感觉到哪个国家出现的概率最高，你的大脑可以自动这么思考，但是对于统计学，我们需要用简单的方式规范化这一流程，
阅读全文
摘要：学习构建（Constructs，有时也叫抽象概念）、总体与样本、相关与因果、假设以及试验。 构建 例：假如你明天有一场大考，你要尽力保证自己记忆力清晰，你会做什么准备呢？假如我们采访一批受访者，42% 的受访者会在考试前一晚努力健身，28% 回应要好好吃一顿，16% 会通宵达旦地学习，13% 要睡个
阅读全文
