马露天使 - 博客园

微积分 —— 极限

摘要： “极限”是数学中的分支——微积分的基础概念。极限的思想是近代数学的一种重要思想，数学分析就是以极限概念为基础、极限理论(包括级数)为主要工具来研究函数的一门学科。阅读全文

posted @ 2020-12-03 12:09 马露天使阅读(1226) 评论(0) 推荐(0)

用Python学分析 - 时间序列：线性趋势及分析

摘要：对于平稳时间序列，可以建立趋势模型。当有理由相信这种趋势能够延伸到未来时，赋予变量t所需要的值，可以得到相应时刻的时间序列未来值，这就是趋势外推法【分析实例】根据1992-2005年的人口出生率的数据，使用最小二乘法确定直线趋势方程， 1) 并计算各期的预测值和预测误差2) 预测2007年的人口阅读全文

posted @ 2019-07-04 18:08 马露天使阅读(4412) 评论(0) 推荐(0)

用Python学分析 - 单因素方差分析

摘要：单因素方差分析(One-Way Analysis of Variance) 判断控制变量是否对观测变量产生了显著影响分析步骤 1. 建立检验假设 - H0：不同因子水平间的均值无差异 - H1：不同因子水平间的均值有显著差异 - 【注意】有差异，有可能是所有因子水平间都存在差异，也有可能只有两个因阅读全文

posted @ 2019-05-24 15:46 马露天使阅读(6814) 评论(0) 推荐(0)

用Python学分析 - 二项分布

摘要：二项分布（Binomial Distribution）对Bernoulli试验序列的n次序列，结局A出现的次数x的概率分布服从二项分布- 两分类变量并非一定会服从二项分布- 模拟伯努利试验中n次独立的重复，每次试验成功的概率为pi 特征值 - 均值（数学期望）和方差： - 不同的值，二项式分布有着不阅读全文

posted @ 2019-04-29 17:21 马露天使阅读(3505) 评论(0) 推荐(0)

描述性统计指标 - 众数 Mode

摘要：众数：出现频数最多的变量值，适用于描述具有较多个值的变量，且变量值的分布有明显集中趋势的情况阅读全文

posted @ 2019-04-24 16:13 马露天使阅读(1649) 评论(0) 推荐(0)

用Python学分析 - t分布

摘要： 1. t分布形状类似于标准正态分布2. t分布是对称分布，较正态分布离散度强，密度曲线较标准正态分布密度曲线更扁平3. 对于大型样本，t-值与z-值之间的差别很小作用- t分布纠正了未知的真实标准差的不确定性- t分布明确解释了估计总体方差时样本容量的影响，是适合任何样本容量都可以使用的合适分布阅读全文

posted @ 2019-03-22 15:17 马露天使阅读(7310) 评论(0) 推荐(0)

Python练习：哥德巴赫猜想

摘要：哥德巴赫猜想哥德巴赫 1742 年给欧拉的信中哥德巴赫提出了以下猜想：任一大于 2 的偶数都可写成两个质数之和。但是哥德巴赫自己无法证明它，于是就写信请教赫赫有名的大数学家欧拉帮忙证明，但是一直到死，欧拉也无法证明。因现今数学界已经不使用“1 也是质数”这个约定，原初猜想的现代陈述为：任一大于 5 阅读全文

posted @ 2018-12-31 11:44 马露天使阅读(7361) 评论(0) 推荐(0)

用Python学分析 - 正态分布

摘要：正态分布（Normal Distribution） 1、正态分布是一种连续分布，其函数可以在实线上的任何地方取值。 2、正态分布由两个参数描述：分布的平均值μ和方差σ2 。 3、正态分布的取值可以从负无穷到正无穷。 3、Z-score 是非标准正态分布标准化后的x 即 z = （x−μ） / σ # 阅读全文

posted @ 2018-12-29 11:02 马露天使阅读(3248) 评论(0) 推荐(0)

用Python学分析：集中与分散

摘要：散点图进阶，结合箱体图与直方图对数据形成全面的认识描述数据集中趋势的分析量：均值 - 全部数据的算术平均值众数 - 一组数据中出现次数最多的变量值中位数 - 一组数据经过顺序排列后处于中间位置上的变量值描述数据离散程度的分析量：方差 - 一组数据各变量值与其平均值离差平方和的平均数标准阅读全文

posted @ 2018-12-23 12:14 马露天使阅读(1549) 评论(0) 推荐(0)

用Python学分析 - 散点图

摘要： # 运用散点图对数据分布得到直观的认识 1 import numpy as np 2 import matplotlib.pyplot as plt 3 4 # 设计 x, y 轴 5 n = 10000 6 x = np.random.randn( n ) # 随机值 7 y = np.rando 阅读全文

posted @ 2018-12-21 15:29 马露天使阅读(1191) 评论(0) 推荐(0)