随笔分类 -  statistics

• genBlastA
  摘要：BLAST is an extensively used local similarity search tool for identifying homologous sequences. When a gene sequence (either protein sequence or nucle 阅读全文
  posted @ 2020-03-06 13:42 YUANya 阅读(997) 评论(2) 推荐(0)
• TBLASTN
  摘要：TBLASTN search translated nucleotide databases using a protein query 阅读全文
  posted @ 2020-02-27 23:09 YUANya 阅读(329) 评论(0) 推荐(0)
• 抽样调查
  摘要：抽样调查 有限群推断 计算人口特征（人口普查） 估计人口特征（抽样调查） 普查与抽样调查 预算和时间 范围 精确性 可行性 抽样调查的步骤 人口是多少？ 感兴趣的参数是什么？ 抽样框架是什么？ 是否需要样本量？ 要多少钱？ *实际绘制样品的元素的列表 基本抽样计划 简单随机采样(SRS) 分层抽样， 阅读全文
  posted @ 2019-12-11 21:55 YUANya 阅读(670) 评论(0) 推荐(0)
• 抽样调查总结
  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
  posted @ 2019-12-11 21:49 YUANya 阅读(541) 评论(0) 推荐(0)
• 非参数检验总结
  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
  posted @ 2019-12-11 21:48 YUANya 阅读(2157) 评论(0) 推荐(0)
• 非参数统计
  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
  posted @ 2019-12-11 21:47 YUANya 阅读(975) 评论(0) 推荐(0)
• 最小二乘法
  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
  posted @ 2019-12-11 21:45 YUANya 阅读(500) 评论(0) 推荐(0)
• 回归分析总结
  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
  posted @ 2019-12-11 21:44 YUANya 阅读(1580) 评论(0) 推荐(0)
• 广义线性模型
  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
  posted @ 2019-12-11 21:32 YUANya 阅读(4619) 评论(0) 推荐(0)
• 常见的分布
  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
  posted @ 2019-12-11 21:08 YUANya 阅读(188) 评论(0) 推荐(0)
• 因子分析和PCA总结
  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
  posted @ 2019-12-11 21:07 YUANya 阅读(3750) 评论(0) 推荐(0)
• 因子分析
  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
  posted @ 2019-12-11 21:05 YUANya 阅读(777) 评论(0) 推荐(0)
• 排序
  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
  posted @ 2019-12-11 21:04 YUANya 阅读(483) 评论(0) 推荐(0)
• 聚类与判别总结
  摘要：聚类与判别 方差分析使用类别自变量和连续数因变量，而判别分析连续自变量和类别因变量（即类标签） 启发式方法：K-mean和k-medoid算法 k-means：每个群集由群集的中心表示 K-medoid或PAM(围绕medoid的分区)：每个集群由集群中的一个对象表示 K-Mean 就是在已知要分为 阅读全文
  posted @ 2019-12-11 20:52 YUANya 阅读(882) 评论(0) 推荐(0)
• 聚类分析和判别分析
  摘要：13聚类分析和判别分析 聚类分析 什么是聚类分析？ 聚类：数据对象的集合 在同一集群内彼此相似 与其他集群中的对象不同 聚集分析 将一组数据对象分组为群集，即为分组 聚类是无监督的分类：没有预定义的类。 典型应用 作为了解数据分布的独立工具。 作为其它算法的预处理步骤 什么是好的聚类？ 良好的聚类方 阅读全文
  posted @ 2019-12-11 20:48 YUANya 阅读(2023) 评论(0) 推荐(0)
• 数据转换总结
  摘要：以下方法便于将因素转化为方差齐性的： 对数转换：方差与平均值的平方成正比(即标准差与平均值成正比) 平方根转换：方差与平均值成比例。 倒数变换：标准差与组均值的平方成正比。 平方转换：标准偏差随着组均值的增加而减小，并且/或者如果分布向左倾斜。 反正弦变换是在处理比例和百分比时帮助数据分析人员的转换 阅读全文
  posted @ 2019-12-11 20:36 YUANya 阅读(503) 评论(0) 推荐(0)
• 数据转换
  摘要：数据转换 变换是数值尺度的变化。 变换是对正常、均质、线性和异常值的故障的补救。 数据的标度影响变换的效用。 ü如果标度是任意的，则转换更有效， 如果尺度是有意义的，那么解释的难度就会增加。 对数变换 因子效应是乘法而不是加法 方差与平均值的平方成正比(即标准差与平均值成正比) 对数变换实例 假设的 阅读全文
  posted @ 2019-12-11 20:35 YUANya 阅读(521) 评论(0) 推荐(0)
• 相关分析总结
  摘要：相关总结： 在两个随机变量计算完相关系数之后，该系数还不能使用（只能说明两个变量呈何种相关关系，比如正相关或者负相关，x与y的变异有XX可由两者之间的线性关系来表示）， 即不能用R代表相关系数，r必须经过显著性检验才行。r经显著性检验的结果呈不显著时,便推断两变数间不存在相关关系， 这时不能用r代表 阅读全文
  posted @ 2019-12-11 20:32 YUANya 阅读(229) 评论(0) 推荐(0)
• 配对t检验
  摘要： 阅读全文
  posted @ 2019-11-18 20:38 YUANya 阅读(211) 评论(0) 推荐(0)
• 独立t检验
  摘要：方差相同个数相同的独立t检验 5、某饲料厂要比较A、B两种配合饲料在养猪生产中的效果，选取12头情况相似的猪，随机分成两组，分别饲喂两种配合饲料，其60天增重（单位：kg）见下表。 饲 料 60d增重 A 21.5 25.0 31.0 23.4 24.5 23.6 B 35.0 34.4 37.8 阅读全文
  posted @ 2019-11-18 20:35 YUANya 阅读(437) 评论(0) 推荐(0)