描述统计学基本概念
2016-11-20 11:20
381 查看
--众数
--中位数
--平均数 python: mean()
--方差(总计方差【n】&样本方差【n-1】)python: var()
R算的方差都是样本方差;而Python 中的则是总体方差。
--标准差(开方方差√方差)python: std()
--标准差系数(标准差/平均数*100%): 标准差相对平均数的大小。
--样本协方差(表示样本中,变量X与变量Y的关系【n-1】) 正【正的线性关系】, 负数【负的线性关系】, 0【无关】
Python: cov(X,Y)
--皮尔逊积矩相关系数[样本数据]:【反应变量X,Y的强弱关系】
皮尔逊积矩相关系数[样本数据]= 样本协方差【样本】/ (X的样本标准差*Y的样本标准差)
值的范围时1~ -1 之间, >0 表示正线性关系,趋于0:表示弱关系;趋于1:表示强关系;等于1:表示表示X,Y是是完全正线性关系。<0表示负线性关系,-1: 表示完全负线性关系。
--皮尔逊积德相关系数[总体数据]
同上, 所有都是[样本]
-- 加权平均数----总体平均数
--分组数据的样本方差【公式和样本方差的公式一样】
--分组数据的总体方差
--中位数
--平均数 python: mean()
--方差(总计方差【n】&样本方差【n-1】)python: var()
R算的方差都是样本方差;而Python 中的则是总体方差。
--标准差(开方方差√方差)python: std()
--标准差系数(标准差/平均数*100%): 标准差相对平均数的大小。
--样本协方差(表示样本中,变量X与变量Y的关系【n-1】) 正【正的线性关系】, 负数【负的线性关系】, 0【无关】
Python: cov(X,Y)
--皮尔逊积矩相关系数[样本数据]:【反应变量X,Y的强弱关系】
皮尔逊积矩相关系数[样本数据]= 样本协方差【样本】/ (X的样本标准差*Y的样本标准差)
值的范围时1~ -1 之间, >0 表示正线性关系,趋于0:表示弱关系;趋于1:表示强关系;等于1:表示表示X,Y是是完全正线性关系。<0表示负线性关系,-1: 表示完全负线性关系。
--皮尔逊积德相关系数[总体数据]
同上, 所有都是[样本]
-- 加权平均数----总体平均数
--分组数据的样本方差【公式和样本方差的公式一样】
--分组数据的总体方差
相关文章推荐
- spark学习--基本概念描述
- 统计学基本概念(及辨异)
- 学习统计学基本概念
- 《统计学基本概念和方法》读书笔记+读后感(1)
- MSDN中对进程和线程的一些基本概念的描述
- 统计学中的基本概念
- Java语言描述进程基本概念
- 【概率论与数理统计】小结7 - 统计学中的基本概念
- grid基础语法介绍(上) 《轴线与网格》里主要讲述了grid与flex中,网格与轴线的基本概念,了解了这些基本概念之后,我们可以更轻松地对布局方式进行研究,这一篇文章主要描述grid布局中,定义在容
- J2SE第九章——线程的基本概念与描述
- 一、统计学的基本概念
- 数据库基本概念比喻描述
- 方差,协方差 、统计学的基本概念
- 数据结构与算法(Java描述)-11、串的基本概念以及串存储结构
- 统计学的基本概念
- 统计学中数据类型与几个基本概念
- webservice基本概念描述
- 数据结构与算法(Java描述)-6、栈的基本概念以及顺序栈的实现
- 图形描述语言GraphML(1):基本概念
- 数据挖掘的基本概念:数据库、数据仓库、机器学习,统计学