s*****j
发帖数: 6435 | 1 我老婆前几天问我. 说二项分布的 方差公式是不是 Npq.
我说是. 她又问 pq 什么时候最大? 我说 p=0.5, q=0.5 时候最大.
她就说了, 所以 N 一样的时候, p 越靠中间 (0.5) 方差越大. 如果假设是 50% 就
比较倒霉.要做好多N, 假设是 5% 的话, 就划的着, 不用做那么多N了.
我沉默了.
样多 |
|
z***i
发帖数: 166 | 2 有兴趣的可以尝试一下发我邮箱， [email protected], 可以留个微信或者支付宝账号，
前10都有50人民币红包，24号前有效。全文不少于每千字汉字100刀。
中译英：
利用EMMAX来鉴定关联信号。EMMAX在估计每个QTL效应时，不需要重复估计多基因方差
和误差方差，可有效降低计算时间38。从两年收集到的21个表型性状中我们都关联到了
显著位点（P＜10-6），但由于2015年部分性状的结果受背景噪音影响较大，我们最终
选择刚毛长、叶鞘色、谷色、米色、穗码数和穗型等6个性状来作为分析对象（Figure
S3）。2015年关联到前4个性状共486个显著SNPs，2016年关联到这6个性状共667个显著
SNPs，其中前4个性状的多数主要显著位点能被重复检测到（Table 1 and Table S3） |
|
h***o
发帖数: 539 | 3 最小二乘法，线性拟合出a, b, c, d
然后求真实f和拟合f的方差不就可以吗？
方差越大，linearity is poorer |
|
v***o
发帖数: 51 | 4 在分析一个VALUE FUNCTION关于STATE VARIABLE的二阶导数时，要看一个函数期望值关
于其分布均值和方差的二阶。稍微想了想，如果分布是正态的，这个函数是连续递增和
CONVEX的，那么这个函数的期望值对于分布均值（和方差）应该也是CONVEX的（因为函
数右端CONVEX地发散至无限Dominate了其他因素）。好像如果是CONCAVE的函数就难说
了。
想更多地了解一下各种函数期望值关于其分布概率参数的性质（如单调和CONVEXITY/
CONCAVITY，即E[f(x）|theta]关于theta（x分布的参数） 的各阶导数。哪位大牛指导
一下哪些文献可以参考？ |
|
h*******l
发帖数: 359 | 5 回报经济均值小方差大，金融均值大方差小
去什么学校要是她自己有主意，那么问了也白问
要是自己没主意，finance for sure |
|
g****t
发帖数: 31659 | 6 这题就是考你常用算法熟不熟.其实没有一定的解法的.
尤其是第一题,有时候peak判断是很难的.取决于噪声的性质.
第一题:
算前面n个点的导数的平均值和方差.
新点的导数>(平均值+3*方差),则认为peak开始了.
第二题:
差分法压缩.
或者列字典,把最常用的数用最短的字节编码.
【 以下文字转载自 JobHunting 讨论区 】
发信人: ThomasJ (JY), 信区: JobHunting
标 题: 今天onesite被问的两个题目
发信站: BBS 未名空间站 (Thu Feb 18 00:27:12 2010, 美东)
一个做DSP的公司， 要求用C++实现：
1. 怎么从 real time 采样的长数据串 实时 判断出 有没有peak， peak的duration。
面试者说不能等数据都采完再判断， 要随着实时数据采样， 实时判断peak
2. 还是长数据串， 但数据串中相邻数据的数值差别很小， 比如每个数据用18个bits
表示， 那么相邻数据差值在4个bits范围内， 用什么办法可以做数据压缩， 用尽量少
的bits来表示出长数据串 |
|
g****t
发帖数: 31659 | 7 假设水平线被高斯噪声污染,新导数只有<2%的可能处在 平均值+-3倍方差之外.
googl: erf function
我想面试的人主要是问常用方法熟不熟.
知道frame work就行了.几倍方差之类的参数一般是靠实际调.
除了这个方法,前面一个人说的那个股票图常用的moving average,
也是常见的实用算法.
这种类似的东西,方法论简单.最多用到kalman filter为止.
但实际做起来说不定很难.
我怀疑Toyota那个油门自动加速,说不定就是
peak没检测对.把噪声当成了peak,然后就加速了.(踩油门的动作,肯定输出一个peak) |
|
g****t
发帖数: 31659 | 8 问题的本质就是几个方程几个未知数的问题.
(先不考虑singular case)
如果计算分布.分布是个函数.不同的函数需要不同多的方程才能确定.
例如高斯分布有两个参数,平均值和方差.
那么就需要两个方程.
你只有cor,就是只有一个方程.分布是算不出来的.
除非你有别的方程.
我也知道直接推算出解析解肯定不行，那么有没有近似的数值解可以估计，比如估计A
和B的均值（或者方差）之类的。如果A1,A2和B都有同样的correlation，那么即使A1和
A2不想同，但是至少两者应该有近似的均值一类吧 |
|
h****f
发帖数: 24 | 9 在matlab里有计算方差和协方差的函数,var cov,但是为什么没有计算数学期望的函数
呢？那个mean似乎是计算数学平均值的函数，是不是啊？但是没有计算数学期望的函数
，又怎么计算出方差呢？谢谢 |
|
f**********g
发帖数: 107 | 10 直觉上来说对任意n都是成立的，因为加上一个r.v.之后方差增大，而first order
statistic和second order statistic之差应该随方差的增长而增长。但理论上我没有
办法证明。 |
|
j*****n
发帖数: 1545 | 11 比如我有n个 gaussian， 均值和方差各不相同， 如果我想考虑一下这些gaussian之间
的分布，有没有办法？
n个gaussian的mean 我觉得可以很简单的认为就是n个gaussian的average，关键是方差
呢？
有没有什么方法可以解决这一类问题？
谢谢 |
|
r******n
发帖数: 88 | 12 祝大家新年好！
我得到的扩散偶曲线在界面附近斜率很陡（因为扩散系数依赖于浓度），所以常规的最
小方差拟合（y的最小方差）得到的结果明显不是很好。不知道对非线性拟合还有很么
别的判断标准？总有什么方法定量地描述视觉上的最佳拟合吧？
多谢！ |
|
v***o
发帖数: 51 | 13 想更多地了解一下各种函数期望值关于其分布概率参数的性质（如单调和CONVEXITY/
CONCAVITY，即E[f(x）|theta]关于theta（x分布的参数） 的各阶导数。
在分析一个VALUE FUNCTION关于STATE VARIABLE的二阶导数时，要看一个函数期望值关
于其分布均值和方差的二阶。稍微想了想，如果分布是正态的，这个函数是连续递增和
CONVEX的，那么这个函数的期望值对于分布均值（和方差）应该也是CONVEX的（因为函
数右端CONVEX地发散至无限Dominate了其他因素）。好像如果是CONCAVE的函数就难说
了。
哪位大牛指导
一下哪些文献可以参考？ |
|
z********r
发帖数: 313 | 14 如果两个分布，已知
比如a是 平均分布，平均值，方差是 u1,v1
b是正态分布，平均值,方差是u2,v2
那么 c=a/b是什么样的分布？
我做了一点仿真，但是结果很乱，看不出来规律
谢谢！ |
|
h***i
发帖数: 3844 | 15 NO
假设Y,U 独立,方差一样
a1=1/2, a2=sqrt(3/2)
让 X=-a1*Y+a2*U, Z=-a1*Y-a2*U
Cov(X,Y)<0
Cov(Z,Y)<0
Cov(X,Z)=(-a2^2+a1^2)*方差of Y<0 |
|
v**i
发帖数: 50 | 16 如果是依分布收敛，结论当然不对了。注意依分布收敛是比较弱的一种收敛概念。举个
例子，假如$X, Z $ 是两个独立的正态分布 N(0,1)。 定义 $X_n=X, Y_n=X_n=X$, (也
就是说，X_n,Y_n 都是X).
这样 X_n-->X, X_n-->Z,Y_n-->X,Y_n-->Z 全部成立，因为他们的分布都相同.
但是 X_n+Y_n 的方差是4, 而 X+Z的方差是2 (因为X,Z独立），所以当然不能说 (X_n+
Y_n)-->（X+Z) ... |
|
c*****a
发帖数: 49 | 17 假如有N个iid的连续随机变量，均值和方差都是有限的。经典的中心极限定理说N个随
机变量的和，再除以sqrt(N)，其结果的cdf近似等于高斯分布的cdf。
小弟想当然的认为这两个pdf也应该近似相等，但是却被reviewer一顿狂批。请教数学
大牛们：是否有这样的结论？请给出参考文献或出处。不胜感激！
另外（还是关于中心极限定理），如果仅仅是那N个随机变量的和（而不去除以sqrt(N)
），我们是否可以说这个和近似服从均值为N*mu,方差为N*sigma^2的高斯分布呢？请多
指教！（可能的话，请指点出处。）
先谢谢各位了！ |
|
R********n
发帖数: 519 | 18 太赞了！谢谢大牛，呵呵，我刚google到了这个Tubular neighborhood theorem
我想要这个结论的出发点是因为一个猜测，本来也不知道对不对，但感觉有了你说的这
个theorem，应该是对的？:-)
对于一个属于R^D的smooth Riemannian manifold M，如果我们以某个分布 P 在M上面
sampling点得到x，然后对x加上R^D空间各向同性的正态噪声e，得到y=x+e
另一方面，如果在M上以另一个分布P'在M上sampling点得到x'，然后对x'加上在x'的
normal space里的各项同性的正态噪声e'，得到y'=x'+e'
猜测是，如果正态噪声e的方差不是太大，我们通过选择分布P'和e'的方差，
可以使得y和y'的在R^D空间的分布是一样的
exsit) |
|
Q***5
发帖数: 994 | 19 <对于一个属于R^D的smooth Riemannian manifold M，如果我们以某个分布 P 在M上面
sampling点得到x，然后对x加上R^D空间各向同性的正态噪声e，得到y=x+e
另一方面，如果在M上以另一个分布P'在M上sampling点得到x'，然后对x'加上在x'的
normal space里的各项同性的正态噪声e'，得到y'=x'+e'
猜测是，如果正态噪声e的方差不是太大，我们通过选择分布P'和e'的方差，
可以使得y和y'的在R^D空间的分布是一样的>
This is unlikely true. For example, consider M is an arc (small portion of a
full circle) embeded R^2. In the first case, PDF>0 everywhere in R^2; in
the second case, PDF=0 in some regions of R^2.
You may need extra condition like: M has no boundary. -- |
|
Q***5
发帖数: 994 | 20 <对于一个属于R^D的smooth Riemannian manifold M，如果我们以某个分布 P 在M上面
sampling点得到x，然后对x加上R^D空间各向同性的正态噪声e，得到y=x+e
另一方面，如果在M上以另一个分布P'在M上sampling点得到x'，然后对x'加上在x'的
normal space里的各项同性的正态噪声e'，得到y'=x'+e'
猜测是，如果正态噪声e的方差不是太大，我们通过选择分布P'和e'的方差，
可以使得y和y'的在R^D空间的分布是一样的>
Consider the simplest case: M is a unit circle embeded in R^2 and P is a
uniform distribution on M.
Whatever P' is, for any x', your y' (in the normal space) will be the
mixture of two Gaussian distributions with means at 1 and -1.
On the other hand, con |
|
a*********3
发帖数: 660 | 21 定义 definition变量 variable面积 area直径 diameter半径 radius公式 formula
单价 unit price范围 range/scope/extent集合 set法则 principle本金 principal利
率 interest rate利息 interest单利 simple interest复利 compound interest正数
positive number负数 negative number解析式 analytic expression分类讨论
classified discussion性质 nature （不是很确定）奇函数 odd function偶函数
even function对称 symmetric坐标原点 origin单调性 monotonicity（不是很确定）
任意 random周期性 periodic 有界性 boundedness 数学 mathematics, maths(BrE)
, math(AmE) 公理 axiom 定理 theorem 计算 calculation 运算 operat... 阅读全帖 |
|
p*********0
发帖数: 818 | 22 我这个相当于已经知道概率分布了 但是我只是得到一组值和他们的概率值
我现在是想知道他们的分布参数 均值和方差 均值好求 但是我觉得糊涂的是 我现在
知道每个值对应的权重 应该不能再用求样本方差的方法求了吧 |
|
f*******w
发帖数: 1243 | 23 y=x+n
x和y都是复高斯分布的随机变量
x~CN(0,1)
n~CN(0,sigma^2)
求f(x|y)的分布, 均值和方差
有篇paper直接说f(x|y)的均值是y/(1+sigma^2), 方差是sigma^2/(1+sigma^2) 可是
我没想通为什么 |
|
c*******h
发帖数: 1096 | 24 【 以下文字转载自 Statistics 讨论区 】
发信人: cockroach (冬冬), 信区: Statistics
标 题: maximum likelihood estimation
发信站: BBS 未名空间站 (Fri Jul 29 11:15:29 2011, 美东)
怎么知道MLE的结果是可信的呢？
我手上有一堆数，假设是iid正态分布出来的。那么我可以用MLE
估计出分布的均值和方差。好，结果我很满意。完事，收工。
但是我怎么确定我的假设是对的呢？万一我手上的那堆数不是正
态分布出来的呢？无论怎么样MLE都可以给我算出均值和方差。
怎么检验我的关于分布的假设是对的呢？ |
|
d*****u
发帖数: 17243 | 25 如果X的分布是高斯，均值向量u,方差S
那么WX的分布式是否也是高斯，且均值为Wu,方差为WSW
W是一个方阵 |
|
d******3
发帖数: 209 | 26 想向各位请教一个问题，关于随机分布,一直挣扎，希望各位不吝赐教，非常感谢！
问题的表述是:
现在有10，000个随机分布的变量（假设A），每个都独立并且在一个时间段都独立地按
照期望为0、方差为sigma的正态随机分布变化。 如果想用1000个新的变量（假设B）来
代表原来的10，000个A，B的分布应该是什么样的呢？
另一种表述：
10，000个A微粒和10，000个Z微粒在一个系统中，每个都独立，大小重量都一样，都按
照布朗运动，假设这些布朗运动都是期望为0、方差为sigma的正态随机变量。在一个小
时间段，dt, 每对任意A和Z微粒相碰撞的记为P1，当P1>0.5时，A消失。
现在想用 1000个新的微粒（假设B）来代表原来的10，000个A微粒，同理，在一个小时
间段，dt, 每对任意B和Z微粒相碰撞的记为P2，当P2>0.5时，B消失.
B如何量化才能使得 B和A消失的比例一样？ B(loss)/B0 = A(loss)/A0. |
|
d******3
发帖数: 209 | 27 想向各位请教一个问题，关于微粒随机分布(particle random distribution),一直挣
扎，希望各位不吝赐教，非常感谢！
问题的表述是:
现在有10，000个随机分布的微粒（假设A），每个都独立并且按照布朗运动，假设这些
布朗运动都是期望为0、方差为sigma的正态随机变量。 如果想用1000个新的微粒（假
设B）来代表原来的10，000个A微粒，B的分布应该是什么样的呢？这样从物理上来讲是
正确的(physically right)。
另一种表述：
10，000个A微粒和10，000个Z微粒在一个系统中，每个都独立，大小重量都一样，都按
照布朗运动，假设这些布朗运动都是期望为0、方差为sigma的（sigma 和dt 成正比）
正态随机变量。在一个小时间段，dt, 每对任意A和Z微粒相碰撞的概率记为P1，当P1>0
.5时，A消失。
现在想用 1000个新的微粒（假设B）来代表原来的10，000个A微粒，同理，在一个小时
间段，dt, 每对任意B和Z微粒相碰撞的概率记为P2，当P2>0.5时，B消失.
B如何量化才能使得 B和A消失的比例一样？ B(loss)/B... 阅读全帖 |
|
d******8
发帖数: 2191 | 28 不知道有没有理解对，感觉像是在求10个正态粒子叠加的分布
X = (X1+X2+..+X10)/10
Xn是均值为0方差为sigma的正态随机变量，那么X就是均值为0方差为sigma/sqrt(10)的
正态随机变量。 |
|
z***c
发帖数: 2959 | 29 一个股票，假如事先知道它的回报return的分布是正态，均值为12%，方差为25%
买入后价格跌了2%，那么这个时候我打算继续持有，对回报合理的估计应该是多少？
方差应该还是25%,均值呢？
先听听大家的意见，再来写我脑子卡壳的理由。 |
|
b*****e
发帖数: 474 | 30 11%.
正态分布, MLE 方法算出来的均值就是观察的平均值嘛。
方差是平均方差的平方根。 |
|
z***c
发帖数: 2959 | 31 不好意思，昨天写的一段和文章的下载贴的时候断线了。才发现
作者认为如果是先跌2%,则接下来按均值10%，方差25%做的计算
他还考虑了如果一开始是升2%,就用均值14%，方差25%来计算
我现在觉得他这个搞错了，应该均值不变
google “Prospect Theory and the Disposition Effect”
从第5页读起，有prospect theory的效用函数（1）
接下去重点看第7页读方程（2）下面两段话
3.37是按（12,25）算的，是持有的期望效用
1.5是按（10,25）算的，是跌2%后继续持有的期望效用，卖掉为-4.1
5.2是按（14,25）算的。是升2%继续持有的期望效用，卖掉为1.8
他的结论是不论升跌，都应该继续持有，而不是卖
我脑袋继续卡壳的原因是，如果return的分布在涨跌后都不变(12,25)
那么接下来持有的期望效用还是3.37
但明显涨过之后的持有期望效用应该高过跌过后的持有期望效应
呵呵，大家别笑话我，脑子还没转过来 |
|
|
h**********e
发帖数: 44 | 33 物理化学在实验室里就把事儿干了
经济学的成果实现需要政治帮忙，这就差大了
另外经济规律相对物理化学来说太复杂了。物理化学可能做一年实验就获得了解释99%
方差的数据，经济学需要等待1000年的数据才能解释50%的方差
100 |
|
h***s
发帖数: 35 | 34 我在研究Kalman Filter的交易算法问题。算法见附件书上第三章，76-81页。Matlab的
代码见Algorithmic Trading Winning Strategies and Their Rational, Ernest P.
Chan
简单的说观察和统计显示，加元的ETF（EWC）和澳元的ETF（EWA）之差是中值回归的，
可以在差值偏离一个方差时买入，在回归中值时卖出， 或者相反。Chan的书中测试结
果很好，年回报20-30%，sharp ratio 2.3.
观察加元和澳元的汇率也有相同统计特征， 但是用这个模型却完全进入不了交易条件
。原因是用kalman filter得到的预测误差e(t)和它的方差Q(t)距离太大，甚至不是一
个数量级。于是我调整了输入数据，澳元汇率减一后乘以20， 加元汇率乘以20，就可
以得到数值匹配的e(t), Q(t)。年均回报率30%。
但是我无法从数学上解释为何这样调整可以使e(t), Q(t）匹配。我想找到一个通用的
规则用于各种汇率，使之交易策略有效。你是专家，给点开窍的想法？ 谢谢！ |
|
C***Y
发帖数: 1323 | 35 怎么证明？
利用某仪器测量已知量a时，所发生的随机概率误差的概率密度在独立试验过程中保持
不变，设ξ1，ξ2，。。。ξn是各次测量的结果，是否可取1/nΣ（ξi-a)^2作为仪器
误差的方差的近似值？提示利用切比雪夫定理或辛钦大数定理，n-> ∞ ,lim P(|1/n
Σξu - Eu|<ε）=1 定理a
我的证明：
设误差 w=ξi -a, 仪器误差的期望Ew = 1/nΣ（ξi-a)，仪器误差的方差 Dw = 1/nΣ
（w-Ew）)^2， Dw = Ew^2 - (Ew)^2
原题求证n-> ∞ , lim P（|1/nΣ（ξi-a)^2 - Dw |<ε）=1
lim P（|1/nΣw^2 - Dw |<ε）
= lim P（|1/nΣw^2 - (Ew^2 - (Ew)^2) |<ε）
= lim P（|1/nΣw^2 - Ew^2 + (Ew)^2) |<ε）
设u=w^2 ,把定理a代入上式， 只要(Ew)^2) 当n-> ∞ 被忽略不计就可以证明，但是
好像不能忽略它。
还是直接用Dw =1/nΣ（w-Ew）^2来证明？ |
|
p********6
发帖数: 1339 | 36 可以像5楼那样做transformation，但是求mean和方差还是不容易。
实际上正态的倒数的期望和方差都不存在。可以令X、Y独立同分布于标准正态，则Y/X
是柯西分布。柯西分布期望不存在，而Y的期望存在，所以1/X的期望不存在。 |
|
f********y
发帖数: 278 | 37 那具体的guideline应该怎么设计呢？
我当时说，因为答案是binomial distribution,所以要找一个稳定的p值，样本越多，
样本方差越小，当样本方差小到一定程度的时候，我们就可以hypotheses了。 |
|
i*****r
发帖数: 318 | 38 请问您是在哪个软件作图的？我在用R软件，做因子分析，R得出的结果有loadings，还
有共同因子的方差，特殊因子的方差。
还有SSloadings,这个SSloadings是不是特征值？好像在R当中看不到特征值。
我知道SPSS计算当中把特征值大于1的因子都放入计算当中。但是在R当中作因子分析好
像看不到特征值。
不过在R当中做主成分分析可以看到特征值，R可以得出标准差的平方，等于特征值。 |
|
h****g
发帖数: 324 | 39 知道球的直径的期望值，和标准方差，怎么求球体积的期望值和方差？ |
|
b******v
发帖数: 1493 | 40 这个目标函数和这k个数的方差只相差一个常系数
所以就是要找k个数方差最小
这k个数应该越接近越好吧，
所以我感觉是不是只用考虑相邻的k个数？
请统计牛人出面解答一下?
distances |
|
p********a
发帖数: 5352 | 41 ☆─────────────────────────────────────☆
bokertov (早上好) 于 (Sat Mar 20 20:03:16 2010, 美东) 提到:
这个目标函数和这k个数的方差只相差一个常系数
所以就是要找k个数方差最小
这k个数应该越接近越好吧，
所以我感觉是不是只用考虑相邻的k个数？
请统计牛人出面解答一下?
distances
☆─────────────────────────────────────☆
DaShagen (Unbearable lightness) 于 (Sat Mar 20 21:38:36 2010, 美东) 提到:
原题是怎么样的
☆─────────────────────────────────────☆
bokertov (早上好) 于 (Sat Mar 20 22:47:49 2010, 美东) 提到:
原题在这里：
在real line上给出n个数，找出k个数，such that the sum of squares of
distances is minimized。例如，a |
|
a***n
发帖数: 3 | 42 jackknife 统计是在已有的一个统计量基础上，建立一个新的统计量，一般参考书说这
个jackknife可以减少有偏性。
我的问题是，如果原统计量无偏，那么jackknife 统计量是否会保留这个无偏，效果是
否一定会好，对于有偏，效果也一定好吗？带着这个问题做了个实验。
用python编程，生成120个高斯分布N(0,1)的随机数，对size为d的g组样本（容量为M=
120），进行jackknife统计，结果plot出来对比。对比原统计量T和Jk_T的大小变化，
再对比分组不同的d下Jk_T统计量的变化趋势（程序输出图）。
过程说明：
进行numpy库中的var统计及其jackknife统计
其中var = mean(abs(x - x.mean())**2)
这是对总体方差的有偏估计。
numpy中的std = sqrt(mean(abs(x - x.mean())**2))
再自行定义一个无偏的样本方差，如
def unbias_std2(sp):
n = len(sp)
y = std(sp)
return y * y * n / (n - 1. |
|
g********r
发帖数: 8017 | 43 我也是一知半解,欢迎拍砖:
比如说在板上随机挑出几个人来,到各大饭店品尝红烧肉.作为评价红烧肉好坏,Y就是各
人吃的量.X呢,我们感兴趣的是红烧肉的色泽,肥瘦比例之类的.
决定吃多少,还有个重要的参数就是各人的食量.比如版主大人,根据ID和雅号,那一定吃
的比较多.可是呢,这个不能当作一个fixed effect.尤其是观察量比较少的时候.操作上
来说,会吹大估计值的方差.哲学上说,我们不应该给板上好几百口子每人一个fixed
effect, 而应该把它当作从一个population里的抽样.所以就叫random effect了.
有的人,比如我老板,对random effect非常的不鸟,认为那是缩小方差的一个小手段. |
|
s*******1
发帖数: 146 | 44 这个要看方差检验(Equality of Variances)的结果，如果方差没有差别(p>0.05 or 0.01)，就用pooled 的t, 如果有差别，就用
Satterthwaite的t |
|
y****d
发帖数: 432 | 45 简单说明：
有操作演示、也有讲解，还是不错的（是MM在讲，还有背景音乐，学着也不累）
包含内容：
第一部分 数据处理
第二部分 描述性统计
第三部分 数据分析
第四部分 因素分析
第五部分 回归分析
第六部分 相关分析
第七部分 专题讲座
详细介绍：
第一部分 数据处理
数据检查
数据输入
数据整理
第二部分 描述性统计
连续性变量的统计
非连续性变量的描述统计
正态性检验
第三部分 数据分析
方差分析
项目分析
信态分析
第四部分 因素分析
因素分析简介
因素分析原理
因素分析操作说明
因素分析实例
第五部分 回归分析
回归分析相关概念
回归模型选择
回归模型应用-路径分析
回归模型诊断
第六部分 相关分析
相关系数与数据类型
相关与回归
相关实例演示
相关散点图
第七部分 专题讲座
正态性检验
缺失值处理
标准差与标准误
卡方检验
t检验_方差分析_回归分析的综合比较
spss制图
集中量与频数分布的形态关系
均数比较
七种常用交互式绘图
四种重要抽样分布图
随机变量和固定变量
随机数生成
统计决断的两类错误及其控制
因素负荷矩阵旋转
原始分转化为... 阅读全帖 |
|
c*******h
发帖数: 1096 | 46 怎么知道MLE的结果是可信的呢？
我手上有一堆数，假设是iid正态分布出来的。那么我可以用MLE
估计出分布的均值和方差。好，结果我很满意。完事，收工。
但是我怎么确定我的假设是对的呢？万一我手上的那堆数不是正
态分布出来的呢？无论怎么样MLE都可以给我算出均值和方差。
怎么检验我的关于分布的假设是对的呢？ |
|
T*******I
发帖数: 5138 | 47 这个问题的产生是因为你建立或接受了bootstrap法，所以，你必须给出关于那个命题
的证明或阐述。我没有接受这个东西，因为我意识到那个命题需要首先得到解决。这是
一个基本的概率论的命题。在没有解决之前，我是不会接受它的。
现在，让我来试着论证一下那两个概率空间是否相等:
根据定义，我们已经有
概率空间A=来自总体E的一个原始样本所表达或构成的概率空间。
概率空间B=基于A上的反复抽样所得的Bootstrapped样本统计量所表达或构成的概率空间。
所以，如果假设
概率空间A = 概率空间B
那么，就有
来自总体E的一个原始样本所表达或构成的概率空间A = 基于A上的反复抽样所得的Bootstrapped样本统计量所表达或构成的概率空间B
要满足这个等式，必须满足以下条件：
来自总体E的一个原始样本 = 基于这个原始样本上的反复抽样所得的Bootstrapped样本统计量构成的一个集合A'
也即
A = 基于A的Bootstrapped样本统计量构成的集合A'
如果考虑到A中的各样本点收敛到其期望E(A)，方差收敛到V(A)，那么，我们只能期望A'中的各点也... 阅读全帖 |
|
m**c
发帖数: 88 | 48 有个问题一直没解决,找不到人问,发上来希望能有高手指点一下.很简单的模型,线性高
斯模型, Y = A0 + A*X + e, 已知观测向量Y(5维的),系数矩阵 (A0,A)以及方差矩阵(V
),估计X(7维的). 现在的问题是,X维数太高,采样不收敛. 降低X的维数,比如我只估计X
[1],X[2],其他X分量的先验分布的方差设置的很小,这样相当于其他分量为固定值了,这
时后采样效果较好,算法收敛,但是进一步提高X的维数,比如下面这段程序里,估计X[1],
X[2],X[4],X[5],X[7],结果很不好.
想问问大家我这个程序这样写有没有问题?有没有办法改进,使得估计高维的X是结果仍
然可以接受?
model{
for (i in 1:n){
y[i,1:5]~ dmnorm( mu[], T[,] )
}
# computing the mu
for (i in 1:P){
mu[i] <- inprod(A[i,],x[,])+ A0[i,1]
}
... 阅读全帖 |
|
d**********r
发帖数: 24123 | 49 如果方差是相对一个估计值来言，就叫error
如果方差是相对一堆数据来言，就叫deviation |
|
p********a
发帖数: 5352 | 50 ☆─────────────────────────────────────☆
TNEGIETNI (lovewisdom) 于 (Tue Oct 11 20:01:18 2011, 美东) 提到:
朋友告诉我说他要来，还有Harvard的Carl Morris等，$200的Registration fee对我来
说不是一笔小数目。我其实并不欣赏他的bootstrap法，曾公开批评过这个方法的逻辑
错误。如果去，我跟他讲什么呢？版上的恶朋好友可否给点建议？谢谢。
☆─────────────────────────────────────☆
angelsun (安吉笋) 于 (Tue Oct 11 20:38:46 2011, 美东) 提到:
在哪里？什么时候？讲座是什么topic的？
☆─────────────────────────────────────☆
statcompute (statcompute) 于 (Tue Oct 11 23:51:23 2011, 美东) 提到:
$200 for a lecture by Efron? it i... 阅读全帖 |
|
