statistics

0熱度

1回答

假設我有一個正態分佈變量向量x，平均值爲m和標準分配s。是否有一個有效的（顯式）函數f(x, m, s)將x轉換爲均勻分佈的向量？隨着明確我的意思是該功能只利用標準的數學運算一樣+，-，*，/，pow()，exp()但沒有for循環。所以，其實我在尋找一個變換函數逼近normal distribution的累積分佈函數。

0熱度

1回答

在templateSVM中設置RBF內核的gamma值

根據this document（和其他幾個），RBF內核由下面的等式定義，並且可以通過改變參數C和gamma來調整。 documentation for svmTemplate定義了沒有gamma值的RBF內核，如下所示。爲什麼svmTemplate不使用伽瑪？有沒有指定它的方法？

2熱度

1回答

R - 鼠標 - 添加一列，用於將列與估算值相加

我有一個缺失數據的數據庫。我需要推算數據（我使用鼠標），然後基於原始列（使用推算數據）創建新列。正是這些新的列需要我進行統計分析。具體來說，我的參與者用7點Likert量表填寫了幾個問卷。有些人沒有回答所有問題。我需要估算值，然後對這些值進行求和，並根據這個總和獲得這個新值，以便進行統計分析，根據這個總和將參與者分成「輕度，中度，高度」並將其用於統計分析。我有什麼依據我想這個答案計算器做： P

1熱度

1回答

運行Splunk相當於python scipy的代碼？

我想在python from scipy import stats stats.beta.cdf(x, T, F) - stats.beta.cdf(y, T, F) 凡x和y是Splunk的表達式定義Splunk的儀表板相當於該代碼（用的Splunk的eval定義）。當看到splunk docs時，我看到了很多複雜的東西（分類器，異常檢測等...），但我找不到任何對已知分佈函數的引用，如

-1熱度

2回答

嘗試規範化數據時出現巨大數值錯誤

我經常通過數據處理某些數據。爲了簡單起見，讓我們考慮一下數據是一系列相同數量的數字。當數字不合理時，標準化數據可能會有用。常見的轉換之一是減去所有值的平均值。在這個轉換之後，轉換的數據將具有平均零。零均值後可以完成的其他常見轉換是將數據除以它們的標準偏差。應用此轉換後，新數據有單位差異。當以這種方式對數據進行歸一化處理時，我期望數值誤差應該更小。但是，我似乎無法做這些轉換，因爲即使我正在計算

-1熱度

1回答

減少重疊對象組的數量

我有一長串的對象組。每個對象都具有簡單的屬性，如名稱和描述。他們已經被分組了類似的對象，但我知道很多組是冗餘或以某種方式重疊。列表不包含重複的對象，順序無關緊要。有關如何根據相似性將它們降低爲「n」組的任何建議？謝謝。即字符串 ["apple", "orange", "pear"] ["apple", "steak", "orange"] ["steak", "burger"] 前兩個

0熱度

1回答

何時需要多重比較校正？

我在假設檢驗方面不是很有經驗，並且在發生多重比較問題時有理解問題？正如我理解的多重比較當試圖從單個數據庫執行多個統計測試時發生問題。因此，爲了得出正確的結論，應該調整顯着性水平。（對嗎？）在我的情況下，我有一個數據庫，並對數據庫的不同部分執行多個t檢驗。換句話說，每個測試的數據都與另一個測試完全不同，而所有數據都屬於一個數據庫。所以，原則上多重比較問題不應該存在於我的測試中，是不是？在此先

0熱度

1回答

如何在Python中生成隨機協方差矩陣？

所以想以產生用於給定下列條件的隨機變量X 50 X 50的協方差矩陣：一個方差比其它的X的參數僅略微相關大10倍有沒有在Python/R等這樣做的方法嗎？或者是否存在可以滿足這些要求的協方差矩陣？謝謝你的幫助！

0熱度

2回答

基於一些外部值分佈

可以說我有四種貨幣，我想選擇一個隨機： Bronze, Silver, Gold, Platinum 基於一些「評級」的價值，我想的概率分配給每個貨幣因爲它有機會被選中。假設這個評級值是0.0 - 5.0 現在我想重新分配鉑金方面，如果我的評級較高，並且如果我的評級較低，則向銅牌方加權。所以5.0的得分可能看起來像： Bronze: 0.0, Silver: 0.10, Gold: 0.30

1熱度

1回答

scipy stats kstest against x = y？

這是我一直困惑的一段時間，我希望得到一些幫助。我試圖使用scipy.stats.kstest來測試我的分佈與另一個分佈，這只是x=y，以便我可以得到一個p值。在在線的例子它給像： >>> x = np.linspace(-15, 15, 9) >>> scipy.stats.kstest(x, 'norm') (0.44435602715924361, 0.03885014270517106