随笔分类 - 读书笔记
摘要：对计算好的相关系数进行显著性检验。 原假设：变量间不相关，即总体的相关系数为0。 cor.test()对单个的 Pearson、Spearman 和 Kendall 相关系数进行检验。、 格式：cor.test（x, y, alternative=, method=） x,y： 为要检验相关性的变量
阅读全文
摘要：1、 计算相关系数 (1) cor（）函数可以计算以下三种相关系数： (2) Pearson 极差相关系数：两个连续变量之间的线性相关程度。 (3) Spearman 等级相关系数：等级变量之间的相关程度。 (4) Kendall 等级相关系数：非参数的等级相关度量。 (5) 语法：cor(data
阅读全文
摘要：Kendall's tau-b（肯德尔）等级相关系数：用于反映分类变量相关性的指标，适用于两个分类变量均为有序分类的情况。对相关的有序变量进行非参数相关检验；取值范围在-1-1之间，此检验适合于正方形表格； 计算积距pearson相关系数，连续性变量才可采用;计算Spearman秩相关系数，适合于定
阅读全文
摘要：Pearson(皮尔逊)相关系数：也叫pearson积差相关系数。衡量两个连续变量之间的线性相关程度。 当两个变量都是正态连续变量，而且两者之间呈线性关系时，表现这两个变量之间相关程度用积差相关系数，主要有Pearson简单相关系数。 Pearson相关系数公式如下： Pearson（皮尔逊）相关系
阅读全文
摘要：变异系数：CV=标准差/均值*100% 协方差：用来度量两个随机变量关系的统计量。 公式简单翻译一下是：对于X,Y两个变量，每个时刻的“X值与其均值之差” 乘以 “Y值与其均值之差”得到一个乘积，再对这每时刻的乘积求和并求出均值。 总结一下，如果协方差为正，说明X，Y同向变化，协方差越大说明同向程度
阅读全文
摘要：定义：设X1服从自由度为m的χ2分布,X2服从自由度为n的χ2分布，且X1、X2相互独立，则称变量F=(X1/m)/(X2/n)所服从的分布为F分布，其中第一自由度为m,第二自由度为n.[1] F分布：设X、Y为两个独立的随机变量，X服从自由度为n的卡方分布，Y服从自由度为m的卡方分布，这两个独立的
阅读全文
摘要：1.1 定义 定义：假设X服从标准正态分布N（0,1），Y服从卡方分布，那么的分布称为自由度为n的t分布,记为。 T分布密度函数其中，Gam(x)为伽马函数。 可用于两组独立计量资料的假设检验。 由于在实际工作中，往往σ（总体方差）是未知的，常用s（样本方差）作为σ总体方差的估计值，为了与u变换（正
阅读全文
摘要：1.1 定义 设 X1,X2,......Xn相互独立, 都服从标准正态分布N(0,1), 则称随机变量χ2=X12+X22+......+Xn2所服从的分布为自由度为 n 的χ2分布.[1] 卡方分布的 期望E（χ2）=n，方差D(χ2)=2n。 卡方分布：若n个相互独立的随机变量ξ₁、ξ₂、……
阅读全文
摘要：【正态分布】（Normal distribution），也称“常态分布”，又名高斯分布（Gaussian distribution） 正态曲线呈钟型，两头低，中间高，左右对称因其曲线呈钟形，因此人们又经常称之为钟形曲线。 当μ = 0,σ = 1时的正态分布是标准正态分布。 正态分布有两个参数，即期
阅读全文
摘要：一、确定资料的类型：分类资料、定量资料； 选择适当的统计方法，资料不同，设计不同，采用的分析方法不同；1、计量资料的比较（比较集中趋势是否不同）： （1）两组：t检验、Wilcoxon秩和检验 … t分布（近似正态分布）：用于根据小样本来估计呈正态分布且方差未知的总体的均值。 定义：假设X服从标准正
阅读全文
摘要：一、统计描述指标的选择与应用 计量资料：集中趋势与离散趋势（1）正态分布：均数标准差 （2）非正态分布（偏态、不规则分布）：中位数（M），四分位数 （P25、P75） 无序分类资料：率、构成比 二、集中趋势与离散趋势集中趋势：用平均数（指标体系）反映一组观察值的中心位置或平均水平。 （1）算数均数
阅读全文
摘要：检验某学区所有在售房源中，小区与楼栋类别（低层；多层;小高层；高层）是否相关 导入数据： 结果如下： 生成列联表（频数表）： 看一下新表格： 结果如下： 结果如下： 独立性检验 1、卡方检验：对二维表的行变量和列变量进行卡方独立性检验。 卡方分布—— n个独立的标准正态分布变量的平方和服从自由度为
阅读全文
摘要：统计学区内各个小区的房价均值 数据格式 id|community_name|house_area|house_structure|house_total|house_avg|agency_name|house_floor_curr|house_floor_total|house_floor_type
阅读全文
摘要：下载并安装 “sqldf” 包 library(sqldf) newData <- sqldf("select * from mtcars where carb=1 order by mpg", row.names=TRUE) row.names=TRUE将原始数据框中的行名延续到了新数据框中
阅读全文
摘要：1、列选择 （1）下标方式 newData <- leadership 【, c(6:10)】 选择全部行和第6到第10列；将行下标留空表示选择所有行。 （2）列名集合方式 newData <- leadership【c("q1", "q2", "q3", "q4", "q5")】 2、列剔除 （1
阅读全文
摘要：1、创建新变量 方式 一：常规方式，用已有变量组合新变量; 方式二：使用 attach()函数，不用再带数据框变量名; 方式三：使用 transform()函数，按需创建变量，并将其保存到数据框中 mydata<- transform(mydata, sum= x1 + x2, mean = (x1
阅读全文
摘要：变量分类 ： （1）离散型： （a）有序：如病情，表示顺序有关系 ，但不知道相差多少。 （ b）无序：没 顺序关系，如糖尿病分型。 （2）连续型：同时体现顺序和数量。 factor()函数；将向量因子化，抽象成 整数向量。
阅读全文
