statistics

0热度

1回答

假设我有一个正态分布变量向量x，平均值为m和标准分配s。是否有一个有效的（显式）函数f(x, m, s)将x转换为均匀分布的向量？随着明确我的意思是该功能只利用标准的数学运算一样+，-，*，/，pow()，exp()但没有for循环。所以，其实我在寻找一个变换函数逼近normal distribution的累积分布函数。

0热度

1回答

在templateSVM中设置RBF内核的gamma值

根据this document（和其他几个），RBF内核由下面的等式定义，并且可以通过改变参数C和gamma来调整。 documentation for svmTemplate定义了没有gamma值的RBF内核，如下所示。为什么svmTemplate不使用伽玛？有没有指定它的方法？

2热度

1回答

R - 鼠标 - 添加一列，用于将列与估算值相加

我有一个缺失数据的数据库。我需要推算数据（我使用鼠标），然后基于原始列（使用推算数据）创建新列。正是这些新的列需要我进行统计分析。具体来说，我的参与者用7点Likert量表填写了几个问卷。有些人没有回答所有问题。我需要估算值，然后对这些值进行求和，并根据这个总和获得这个新值，以便进行统计分析，根据这个总和将参与者分成“轻度，中度，高度”并将其用于统计分析。我有什么依据我想这个答案计算器做： P

1热度

1回答

运行Splunk相当于python scipy的代码？

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的表达式定义Splunk的仪表板相当于该代码（用的Splunk的eval定义）。当看到splunk docs时，我看到了很多复杂的东西（分类器，异常检测等...），但我找不到任何对已知分布函数的引用，如

-1热度

2回答

尝试规范化数据时出现巨大数值错误

我经常通过数据处理某些数据。为了简单起见，让我们考虑一下数据是一系列相同数量的数字。当数字不合理时，标准化数据可能会有用。常见的转换之一是减去所有值的平均值。在这个转换之后，转换的数据将具有平均零。零均值后可以完成的其他常见转换是将数据除以它们的标准偏差。应用此转换后，新数据有单位差异。当以这种方式对数据进行归一化处理时，我期望数值误差应该更小。但是，我似乎无法做这些转换，因为即使我正在计算

-1热度

1回答

减少重叠对象组的数量

我有一长串的对象组。每个对象都具有简单的属性，如名称和描述。他们已经被分组了类似的对象，但我知道很多组是冗余或以某种方式重叠。列表不包含重复的对象，顺序无关紧要。有关如何根据相似性将它们降低为“n”组的任何建议？谢谢。即字符串 ["apple", "orange", "pear"] ["apple", "steak", "orange"] ["steak", "burger"] 前两个

0热度

1回答

何时需要多重比较校正？

我在假设检验方面不是很有经验，并且在发生多重比较问题时有理解问题？正如我理解的多重比较当试图从单个数据库执行多个统计测试时发生问题。因此，为了得出正确的结论，应该调整显着性水平。（对吗？）在我的情况下，我有一个数据库，并对数据库的不同部分执行多个t检验。换句话说，每个测试的数据都与另一个测试完全不同，而所有数据都属于一个数据库。所以，原则上多重比较问题不应该存在于我的测试中，是不是？在此先

0热度

1回答

如何在Python中生成随机协方差矩阵？

所以想以产生用于给定下列条件的随机变量X 50 X 50的协方差矩阵：一个方差比其它的X的参数仅略微相关大10倍有没有在Python/R等这样做的方法吗？或者是否存在可以满足这些要求的协方差矩阵？谢谢你的帮助！

0热度

2回答

基于一些外部值分布

可以说我有四种货币，我想选择一个随机： Bronze, Silver, Gold, Platinum 基于一些“评级”的价值，我想的概率分配给每个货币因为它有机会被选中。假设这个评级值是0.0 - 5.0 现在我想重新分配铂金方面，如果我的评级较高，并且如果我的评级较低，则向铜牌方加权。所以5.0的得分可能看起来像： Bronze: 0.0, Silver: 0.10, Gold: 0.30

1热度

1回答

scipy stats kstest against x = y？

这是我一直困惑的一段时间，我希望得到一些帮助。我试图使用scipy.stats.kstest来测试我的分布与另一个分布，这只是x=y，以便我可以得到一个p值。在在线的例子它给像： >>> x = np.linspace(-15, 15, 9) >>> scipy.stats.kstest(x, 'norm') (0.44435602715924361, 0.03885014270517106