🫑统计学Python计算工具
Python | 统计学 | 描述性统计 | 随机数据 | 离散分布 | 联合分布 | 连续分布 | 边际分布 | 条件分布 | 多元分布 | 样本近似 | 正态样本统计 | 点估计 | 置信区间 | 公差区间 | 概率图 | 拟合优度 | 贝叶斯决策 | 自举 | 多维度 | 相关性 | 回归 | 量子响应 | 逻辑回归 | 均值比较 | 文本分析 | 因果关系
分析统计变异性和随机数据
随机现象和观察结构、测量的准确度和精密度、总体和样本、样本值的描述性分析、预测区间、密度图、箱须图、分位数图和茎叶图
问题计算
import math
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from scipy import stats
def trim_std(data, alpha):
data = np.array(data)
data.sort()
n = len(data)
low = int(n * alpha) + 1
high = int(n * (1 - alpha))
return data[low:(high + 1)].std()问题1：在当前问题中，我们需要从集合 {1, 2, 3, 4, 5, 6} 中随机生成 50 个整数。 为此，我们可以使用 random 包中的 random.choices 方法.
import random
random.seed(1)
values = random.choices([1, 2, 3, 4, 5, 6], k=50)问题4：以下是物体重量的两组测量结果，分别对应两种不同的称重仪器。 该物体的真实重量为 10 公斤。
仪器1测量：
仪器2测量：
哪种仪器似乎更准确？ 哪种仪器似乎更精确？
随机抽样概率模型
随机变量及其分布、离散分布族、连续分布、联合分布、边际分布和条件分布、多元分布、大样本近似值、正态样本统计量的其他分布
统计推断和自举
点估计的一些方法、置信区间 、公差区间、用概率图检验正态性、拟合优度检验、贝叶斯决策程序、从参考分布中随机采样、自举抽样、假设的自举测试、自举容差区间、非参数检验
多维和回归模型的变异性
图形显示与分析、多维度的频率分布、相关性和回归分析、多重回归、量子响应分析：逻辑回归、方差分析：均值比较、同时置信区间：多重比较、列联表、分类数据分析
有限总体数量估计抽样
抽样和估计问题、使用简单随机样本进行估计、使用分层 RSWOR 估计平均值、比例优化配置、具有已知协变量的预测模型
时间序列分析与预测
时间序列的组成部分、协方差平稳时间序列、协方差平稳时间序列的线性预测器、非平稳时间序列的预测因子、动态线性模型
监督和无监督学习方法
确定模型性能、决策树、集成模型、朴素贝叶斯分类器、神经网络、聚类方法
数据分析、文本分析、强化学习、贝叶斯网络和因果关系模型
功能数据分析、文本分析、贝叶斯网络、因果关系模型
Last updated
Was this helpful?