HelloWorld 开发者社区

科技资讯

全部资讯

开源项目

全部项目

推荐好文

切比雪夫不等式

本篇讨论统计学中一个非常重要的不等式,切比雪夫(Chebyshev)不等式。切比雪夫不等式通常是在研究随机变量的期望值和方差的时候会提到的一个结论,它看上去似乎很复杂,但其实有着非常直观的解释和作用,同时它也是后面要讨论的大数定律的基础引理,真的是非常非常重要。马尔可夫不等式

样本均值与方差

这一篇讨论统计学中,关于样本以及它的统计量的相关特性,重点是样本的均值和方差的相关问题。统计量的期望值假设我们有一个随机变量\(X\),符合某种概率分布,整体的数学期望值和方差为:$$E(X)\mu\\D(X)\sigma^2$$然而整体的期望值和方差

t 检验的 3 种常用方法及在 Python 中使用样例

t检验是一种统计技术,可以告诉人们两组数据之间的差异有多显著。它通过将信号量(通过样本或总体平均值之间的差异测量)与这些样本中的噪声量(或变化)进行比较来实现。有许多有用的文章会告诉你什么是t检验以及它是如何工作的,但没有太多材料讨论t检验的不同变体以及何时使用它们。本文将介绍t检验的

用python重温统计学基础:描述性统计分析

描述性统计分析(DescriptionStatistics)是通过图表或数学方法,对数据资料进行整理、分析,并对数据的分布状态、数字特征和随机变量之间的关系进行估计和描述的方法。描述性统计分析分为集中趋势分析和离中趋势分析。提到用python来进行描述性统计分析,第一反应就是用:dataframe.describe(),我们不妨用一组数据来展示:

用python重温统计学基础:离散型概率分布

简单介绍数据的分布形态描述中的离散型概率分布利用python中的matplotlib来模拟几种分布的图形在上一篇中提到数据分析的对象主要是结构化化数据,而所有的结构化数据可以从三个维度进行描述,即数据的集中趋势描述,数据的离散程度描述和数据的分布形态描述,并对前两个维度进行了介绍。本篇主要是对数据的分布形态描述中的离散型概率分布进行介绍。

正在加载更多文章…

加载更多

已加载文章中没有匹配内容,可继续加载更多。