摘要：
抽样调查总结 1.简单随机抽样：从人群中随机选择一个人口单元，直到达到一组样本量“n”。 在每个选择过程中,其余的人口单位被选中的机会均等。一组样本以相同的概率发生。 正确性 系统差异 准确性 抽样误差 分层抽样 分层抽样的优点 1.确保每个阶层(亚群体)都有很好的权重。 2.如果抽样分配得当，可能 阅读全文
摘要：
非参数检验总结 假设分布和使用参数的统计测试称为参数测试，不假定分布或不使用参数的统计测试称为非参数测试。 非参数检验可适用于非正态分布的数据。 优势 适用于任何尺度，不要求总体数据满足正态分布。 容易计算 最初是在广泛使用计算机之前开发的 少作假设 不需要涉及总体参数 结果可能和参数程序一样精确。 阅读全文
摘要：
非参数统计 统计中的参数是什么？ 大多数统计检验(如一般的线性模型)都假定某种基本分布，如正态分布。 如果你知道正态分布的平均值和标准偏差，那么你就知道如何计算概率。 均值和标准差称为参数，所有的理论分布都有参数。 假设分布和使用参数的统计测试称为参数测试。 不假定分布或不使用参数的统计测试称为非参 阅读全文
摘要：
最小二乘法来估计参数，就是使得实际值与估计值的差距的平方最小。 β可以被已知的未知数计算得到是无偏估计的值。但是用最小二乘法可以得到最好的线性无偏估计量，因为变异比较小。所以这种方法就是最稳定的最通用的方法。 如果只有一个β1，也就是只有y与x1，则使用两样本t检验和回归分析是一样的。因为两样本t检 阅读全文
摘要：
回归分析总结 回归的目的是用因（x）与果（y）之间的关系，最后达到用因来预测果的目的，相关分析中所涉及的变量x和y都是随机变量；回归分析中，因变量y是随机变量，自变量x可以是随机变量，也可以是非随机的确定变量。 x是没有误差的固定变量，或其误差可以忽略，而y是随机变量，且有随机误差。 前提： 在回归 阅读全文
摘要：
广义线性模型 GLM是一般线性模型的扩展，它处顺序和分类因变量。 所有的组件都是共有的三个组件： 随机分量 系统分量 链接函数 随机分量 随机分量跟随响应Y的概率分布 例1. (Y1，Y2，。....YN)可能是正态的。在这种情况下，我们会说随机分量是正态分布。该成分导致了普通回归和方差分析。 例2 阅读全文
摘要：
影响估计的两个值： 无偏，要透过好的实验设计 随机误差，统计中最看重的部分 如果是离散值，那么以二项分布为例，如果是连续值，那么以正态分布为例： 阅读全文
摘要：
因子分析和PCA 定义 因子分析就是数据降维工具。从一组相关变量中删除冗余或重复，把相关的变量放在一个因子中，实在不相关的因子有可能被删掉。用一组较小的“派生”变量表示相关变量，这个派生就是新的因子。形成彼此相对独立的因素，就是说新的因子彼此之间正交。 应用 筛选变量。 步骤 3.1计算所有变量的相 阅读全文
摘要：
有前提条件 样本量 各变量之间必须有相关性（被归纳在一个因子里强相关，因子间弱相关） 因子分析：对定量数据，不对定性数据 特征值大于1 自己设置几个因子 旋转后，就是调整能够解释的项的占比， 选择原则 1.贡献率0.5 2.大于1 3.可解释 纠缠不清：根据专业知识判断 张冠李戴：大部队与某一项关联 阅读全文
摘要：
排序 PCA主元件分析，主成分分析 FA因子分析 CA对应分析 主元件分析，主成分分析 主成分分析(PCA)是一种用于数据的压缩和分类的技术。其目的是通过查找新的变量集(样本)来降低数据集(样本)的维数，这些变量集比原始变量集小，但保留了大多数样本的信息。 我们所说的信息是指由原始变量之间的相关性给 阅读全文