摘要:
目录 AB testing介绍基本原理大数定理中心极限定理假设检验零假设与备选假设显著性水平拒绝域与单侧双侧检验单侧检验与双侧检验P-Value(P值) 样本量的确定 AB testing介绍 在日常的工作我们经常会遇到一些难以抉择的问题:在营销中如果有两个营销方案哪个更能吸引客户点击参与?在产品中 阅读全文
摘要:
在实际的AB test中一般都是直接使用一些AB test计算工具求解的,一方面是公式太复杂记不住,计算也比较耗费时间,另一方面在老板眼里计算器计算反而比手动计算更不容易出错 接下来以用的比较多的evanmiller计算器详细介绍一下其对应的用法 网址为:https://www.evanmiller 阅读全文
摘要:
在之前的假设检验文章中我们说过,在样本量固定的情况下,第一类错误的减少必然会导致第二类错误的增加。按照之前的例子,原假设依旧是一家馒头店每天卖出100个馒头,现在如果减少第一类错误(也就是减少显著性水平 α α α),也就是如果抽样结果是90-110之间都可以认为这家店店每天卖出100个馒头。相比于 阅读全文
摘要:
假设检验是统计推断的又一类重要问题,在前面的文章中我们介绍了区间估计的内容,我们在区间估计中的结论都是在总体分布已知的情况下得到的,例如规定总体服从正态分布等,但在实际情况可能连分布都不知道。因此有的时候会提出一个假设,然后我们会抽样并采用统计学的方法去判断这个假设是否正确 考虑如下这种情形: 你去 阅读全文
摘要:
区间估计相关概念 现在你的楼下有一家馒头店,馒头店老板拿着几天卖出的馒头数数据如下找到了你,想请你帮忙估计一下每天卖出的馒头数 在之前的文章中https://blog.csdn.net/qq_42692386/article/details/139919043我们可以直接用矩估计的方法求个均值,得到 阅读全文
摘要:
什么是统计量 我们首先给出统计量的定义:设 X 1 , X 2 , ⋯ , X n X_1,X_2,\cdots,X_n X1,X2,⋯,Xn 为来自于总体X的一个样本, g ( X 1 , X 2 , ⋯ , X n ) g(X_1,X_2,\cdots,X_n) g(X1,X2,⋯,X 阅读全文
摘要:
在上一篇文章中我们对一元线性回归模型和方程的原理及公式进行了推导,本篇文章将根据实际数据建立一个一元回归模型,代码基于Python 建模应用 首先导入需要用到的Python库: #一元线性回归 import matplotlib.pyplot as plt #画图库 import pandas as 阅读全文
摘要:
目录 1 数学定义2 一元线性回归模型的参数估计理论推导最小二乘法矩方法最大似然法 1 数学定义 线性回归是一种使用特征属性的线性组合来预测响应的方法,通俗一点说线性是指每个自变量(或者说特征) x x x与因变量(或者说结果) y y y的结果是线性的关系,回归就是从离散的点中拟合出这个函数的过程 阅读全文
摘要:
点估计与区间估计 矩估计与最大似然估计都属于点估计,也就是估计出来的结果是一个具体的值。对比区间估计,通过样本得出的估计值是一个范围区间。例如估计馒头店每天卖出的馒头个数,点估计就是最终直接估计每天卖出10个,而区间估计是最终估计的结果是每天卖出7到12个。 矩估计 矩估计就是直接用样本替代总体,所 阅读全文
摘要:
样本均值与样本方差的定义 首先来看一下均值,方差,样本均值与样本方差的定义 总体均值的定义: μ = 1 n ∑ i = 1 n X i \mu=\frac{1}{n}\sum_{i=1}^{n} X_i μ=n1i=1∑nXi 也就是将总体中所有的样本值加总除以个数,也可以叫做总体的数学期望 阅读全文