文章目录假设检验假设检验的基本原理提出假设作出决策表述决策结果一个总体参数的检验总体均值的检验总体比例的检验总体方差的检验两个总体参数的检验两个总体均值之差的检验两个总体比例之差的检验两个总体方差比的检验总体分布的检验正态性检验的图示法Shapiro-Wilk和K-S正态性检验总结假设检验假设检验的基本原理提出假设假设检验：先对总体提出某种假设（例如对总参数提出一个假设值），然后利用样本信息判断这一假设是否成立原假设：也称零假设，通常是研究者想搜集证据予以推翻的假设，记为H0H_{0}H0；原假设表达的含义是指参数没有变化、变量之间没有联系或总体分布与一理论分布并无差异，所以常有===。设参
数学建模中，相关性分析往往是建模的前提。但是，相关系数是数学建模中最容易出错滥用的点，需要注意不同相关系数的使用条件。一.Pearson相关系数及其假设性检验1.1Pearson相关系数的定义及计算（1）总体的Pearson相关系数 （2）样本的Pearson相关系数 （3）Pearson相关系数的误区：理解误区1——散点图和皮尔逊相关系数的联系（垂直x轴或者垂直y轴时，Person相关系数计算为零）易错点1——非线性相关也会导致线性相关系数很大—>Person相关系数高不能证明具有线性相关性易错点2——离群点对相关系数的影响很大->用Person相关系数进行分析时，考虑去除异常值易错点3——
二项分布假设检验在概率论与数理统计中，二项分布（BinomialDistribution）是一种离散型概率分布，描述了在nnn次独立重复试验中，成功的次数xxx的概率分布情况。而二项分布的假设检验则是对两个二项分布总体参数差异性的推断。本篇博客将介绍二项分布的基本定义、性质、假设检验以及Python实现。基本定义概率密度函数：P(X=k)=(nk)pk(1−p)n−kP(X=k)=\binom{n}{k}p^k(1-p)^{n-k}P(X=k)=(kn)pk(1−p)n−k其中，nnn表示试验次数，ppp表示成功的概率。性质期望和方差：E(X)=npE(X)=npE(X)=np，Var(X)
阅读前请看一下：我是一个热衷于记录的人，每次写博客会反复研读，尽量不断提升博客质量。文章设置为仅粉丝可见，是因为写博客确实花了不少精力。希望互相进步谢谢！！文章目录阅读前请看一下：我是一个热衷于记录的人，每次写博客会反复研读，尽量不断提升博客质量。文章设置为仅粉丝可见，是因为写博客确实花了不少精力。希望互相进步谢谢！！1、背景介绍2、校验和3、运算机制（教材）4、运算机制（总结）力荐力荐力荐！！！5、校验和计算例子（力荐力荐力荐！！！）6、编程之求校验和（力荐力荐力荐！！！）提示：以下是本篇文章正文内容1、背景介绍Windows下进行socket编程时遇到的关于校验和的问题，先记录如下。2、校
文章目录1.假设检验的基本概念2.机器学习中的假设检验(1)二项检验(2)t检验(3)交叉验证t检验(4)McNemar检验(5)Friedman检验(6)Nemenyi后续检验HypothesisTestinMachineLearning.1.假设检验的基本概念在统计学中，总体分布往往是未知的，只能从中进行有限的抽样从而获得部分样本的信息。有时需要对总体的特征做出某种假设，如何判断该假设是正确的还是错误的？需要借助假设检验(hypothesistest)。假设检验的核心思想是小概率事件和反证法。首先提出一个待检验的假设(该假设通常是想要去否定的)，通过统计方法试图证明该假设是小概率事件，利用
在判断矩阵是否为正互反矩阵这块，我写了两种代码，改进前很麻烦且有错误，改进后简洁多了，改进前的代码还有错误，忽略了对角线的值必须都是1，只考虑了除开对角线的元素相乘为1。 %%改进前代码A=[324;1/242;1/41/25]diag_A=diag(A)C=ones(1,size(A,2))%将矩阵A的对角线更改为全1向量CA(logical(eye(size(A))))=C%获取矩阵A的共轭转置矩阵A2A2=A.'%如果A2和A进行点乘能够得到一个单位矩阵，那么A就是一个正互反矩阵ifisequal(A2.*A,ones(size(A,1)))fprintf("A是一个正互反矩阵")end
目录ADF检验简介adftest的使用及参数介绍——简单调用：h=adftest(y)——多参数调用：[h,pValue,stat,cValue]=adftest(y,'alpha',0.05)adftest如何判断是否平稳？——原假设与备择假设——通过h判断是否平稳——通过pValue判单是否平稳——通过stat和cValue判断是否平稳应用举例（以1978年到2020年的中国GDP为例）：原始序列的ADF检验一阶差分序列的ADF检验二阶差分序列完整代码及数据作者水平有限，第一次发文，有错误及需要改正的地方请指正ADF检验简介ADF检验全称为AugmentedDickey-Fullertes
目录1EXCEL可以用来做假设检验1.1如何打开数据分析和规划求解1.2 EXCEL里关于正态分布的准备知识2基本的假设检验2.1最基本的假设检验，单边的Z检验2.1双样本F检验2.1.1例题2.1.2进行F检验之前需要满足一些假设条件2.1.3计算步骤2.1.4如何查表：下面这个图是显著度a=0.05的F值表 2.1.5如何分析F检查的结果2.22.5方差分析（one-wayANOVA）1EXCEL可以用来做假设检验EXCEL里可以做假设检验的但是需要打开加载项，数据分析才可以1.1如何打开数据分析和规划求解开始-----选项-----加载项加载项里选择数据分析&规划求解1.2 EXCEL里
用法ttest_ind官方文档当两总体方差相等时，即具有方差齐性，可以直接检验。stats.ttest_ind(data1,data2)当不确定两总体方差是否相等时，应先利用levene检验，检验两总体是否具有方差齐性。如果返回结果的p值远大于0.05，那么我们认为两总体具有方差齐性。stats.levene(data1,data2)如果两总体不具有方差齐性，需要加上参数equal_val并设定为False。stats.ttest_ind(data1,data2,equal_var=False)举例例如，我想检验A公司销售额的均值和B公司销售额的均值是否存在差异。使用stats.levene检
b站课程视频链接：https://www.bilibili.com/video/BV19x411X7C6?p=1腾讯课堂(最新，但是要花钱，我花99😢😢元买了，感觉讲的没问题，就是知识点结构有点乱，有点废话）：https://ke.qq.com/course/3707827#term_id=103855009 本笔记前面的笔记参照b站视频，【后面的画图】参考了付费视频笔记顺序做了些调整【个人感觉逻辑顺畅】，并删掉一些不重要的内容，以及补充了个人理解系列笔记目录【持续更新】：https://blog.csdn.net/weixin_42214698/category_11393896.html文
