统计学-数据科学专业问答社区-CDA答疑社区

热线电话：13121318867

登录

shauna570392

如何确定抽样统计的最小样本量?-经验法则

对于规模较小的总体(1000人以下),研究者需要比较大的抽样比率(大约30%)为要有较高的精确性,这时需要大约300个样本；对于中等规模的总体(如10000人),要达到同样的精确度,抽样比率为10%或大约1000个样本量就可以。就大规模的总体(超过150000)而言,抽样比率为1%或大约1500个样本量就能得出正确的结果。如果是非常大的总体（超过1000万）。研究者可以使用0。025%抽样比或者大

56.6980

4

3

0

关注作者

收藏

anranhui

数据可视化小tip——累计频数图

24小时内通常有多长时间玩游戏的数据统计：经过简单计算，得出上限和累积频数。经过绘制得出：要点：累计频数图不仅用于分组数据。帕累托图就是特殊的累计频数图，加入了黄金分割2-8。累计频数是指到该数值点为止的总频数。当体现趋势时使用折线图，例如基于时间的趋势，可用折线图表现多批数据，每批数据各用一条线表示。不要使用折线图显示类别数据。

53.6192

3

2

0

关注作者

收藏

anranhui

数据可视化小tip——直方图

直方图：区间宽度并不是都相同的，频数和每个长方形的面积成比例。如下数据：错误案例：正确是案例：中间隐藏了一步，求解频数密度：要点：频数密度是指分组数据中频数的密集度。频数密度=频数/组距直方图是专门体现分组数据的图形，形似条形图，但高度等于频数密度——而不是频数。直方图每个长方形的宽与其分组宽度成正比。长方形按照连续数字标度绘制。直方图中每个组的频数通过长方形面积求出。直方图中长方形之间无间隔。直

54.4034

4

1

0

关注作者

收藏

李名奎

回归分析的具体讲解

什么是回归分析？回归分析是一种预测性的建模技术，它研究的是因变量（目标）和自变量（预测器）之间的关系。这种技术通常用于预测分析，时间序列模型以及发现变量之间的因果关系。例如，司机的鲁莽驾驶与道路交通事故数量之间的关系，最好的研究方法就是回归。回归分析是建模和分析数据的重要工具。在这里，我们使用曲线/线来拟合这些数据点，在这种方式下，从曲线或线到数据点的距离差异最小。我会在接下来的部分详细解释这一点

54.3451

4

3

0

关注作者

收藏

shauna570392

哑变量和one-hot编码的区别

编码的状态位有差别：

54.2646

2

1

0

关注作者

收藏

shauna570392

多分类变量转成数值标签的时候，转成1、2、3 或者其他任意数字，放入模型中的时候有区别吗？

如果分类之间有顺序关系，比如学历，职级等，可以转换成1，2，3.....，这时的1，2，3只是代码，不考虑数值本身大小的属性；如果各分类之间没有顺序关系，比如民族，血型等分类变量，最好不要直接转换成1，2，3这种，可以尝试独热编码。独热编码又称一位有效编码，其方法是使用N位状态寄存器来对N个状态进行编码，每个状态都有它独立的寄存器位，并且在任意时候，其中只有一位有效。即，只有一位是1，其余都是零

54.4673

3

4

0

关注作者

收藏

Kevin66832

在统计学中该怎么抽样？

首先，抽样分为两大类：概率抽样和非概率抽样1、概率抽样，即随机抽样简单随机抽样方法有：分层抽样、（结构相似，对各层目标量的确定）整群抽样、（抽样框简化、样本个案集中）系统抽样、（方便，但是对估计量的方差估计有困难）多阶段抽样等。2、非概率抽样（1）方便抽样（2）判断抽样（3）自愿抽样（4）滚雪球两种抽样都可使用，但是非概率抽样不能推断总体，只能了解某种趋势！

39.1734

2

0

0

关注作者

收藏

shauna570392

如何根据P值推断该接受还是拒绝原假设？

根据选定的显著性水平（0.05或0.01），决定接受还是拒绝H0。如果P>0.05，不能否定“差别由抽样误差引起”，则接受H0；如果P

53.6830

2

0

0

关注作者

收藏

shauna570392

自变量有数值和分类型数据，如何建立回归模型？

分类变量在入模的时候一般需要进行编码处理，如果是有序（ordinal）分类变量，一般可按对因变量影响由小到大的顺序编码为1、2、3、...，或按数据的自然大小，将它当作连续型变量处理。如果是无序的（nominal）分类变量，则需要采用哑变量（dummy variables）进行编码。哑变量（Dummy Variable），又称为虚拟变量、虚设变量或名义变量，从名称上看就知道，它是人

53.6830

2

5

0

关注作者

收藏

ged_2357

一、统计学概述1、概念：统计学是一门收集、处理、分析、解释数据并从中得出结论的科学2、核心：数据统计学的对象是数据3、统计学分析数据的方法描述性分析方法总体规模、对比关系、集中趋势、离散程度、偏态、峰态、......推断性分析方法估计、假设检验、列联分析、方差分析、相关分析、回归分析、......4、基本概念1. 数据的形式数据的形式有两种：数字和文字数字：严格的数学上的符号，可以进行比

38.3891

1

1

0

关注作者

收藏

Jiapingyue

方差分析是研究一种或多种因素的变化对实验结果的观测值是否有显著影响。单因素方差分析设试验只有一个因素A在变化，其他因素都不变。单因素方差分析表双因素方差分析2.1 不考虑交互作用双因素方差分析表在因素A,B的每种水平组合下进行一次独立试验。 2.2 考虑交互作用双因素方差分析表设有两个因素AB，因素A有r个水平，因素B有s个水平，每种水平组合下重复试验t次。

29.9394

3

3

0

关注作者

收藏

开花结果02

如何利用excel计算线性回归中的贝塔0和贝塔1

方法一：直接利用公式：=SLOPE(Y列,X列)=INTERCEPT（Y列,X列）方法二：利用散点图，选中点-右键-添加趋势线-显示公式勾选上，这样直接就可以显示出来方法三：数据选项卡的数据分析-回归-然后正确勾选x和y的范围，结果就自动出现了这三种方法是我认为操作比较简单的方法了，当然还有其他方法，不再一一赘述

38.7604

4

1

0

关注作者

收藏

开花结果02

统计学：如何处理非线性相关分析

Q:如何处理非线性相关分析A:非线性问题的处理办法是线性化处理,比如将指数取对数处理

38.4250

2

2

0

关注作者

收藏

开花结果02

统计学：如何进行相关分析

问题：如何进行相关分析从以下两个角度进行分析：一.相关关系的描述，通过画散点图进行描述二.相关关系的度量：通过相关系数r来判断相关关系的大小相关系数的计算公式：

38.4250

2

2

0

关注作者

收藏

shauna570392

假设检验中P值的理解

⑴、建立检验假设（符号为H0）：如要比较A药和B药的疗效是否相等，则假设两组样本来自同一总体，即A药的总体疗效和B药相等，差别仅由抽样误差引起的碰巧出现的。⑵、选择适当的统计方法计算H0成立的可能性即概率有多大，概率用P值表示。⑶、根据选定的显著性水平（0.05或0.01），决定接受还是拒绝H0。如果P>0.05，不能否定“差别由抽样误差引起”，则接受H0；如果P

38.4250

2

2

0

关注作者

收藏

开花结果02

统计学：如何用Excel来快速进行方差分析

题目要求：步骤：选择数据选项卡下-数据分析-选择方差分析（方差分析有三种，根据自己的需要判断选择哪个，针对这个案例，影响因素有地区和品牌有两个，且不重复，所以选择无重复双因素分析）点击确定，就出现最终结果了直接看p值和0.05比较就可以，小于0.05是拒绝原假设，说明品牌对彩电的销售量是有影响的，大于0.05则接受原假设，则说明地区对彩电的销售量影响不大

38.7659

4

1

0

关注作者

收藏

陈革007

统计学: 相关系数的性质

性质1：r 的取值范围是 [-1,1]n |r|=1，为完全相关l r =1，为完全正相关l r =-1，为完全负正相关n r = 0，不存在线性相关关系n -1£r

30.3605

8

3

0

关注作者

收藏

陈革007

统计学: 什么是方差分析(ANOVA)? ---analysis of variance

检验多个总体均值是否相等通过分析数据的误差判断各总体均值是否相等研究分类型自变量对数值型因变量的影响一个或多个分类型自变量l 两个或多个 (k 个) 处理水平或分类一个数值型因变量3.有单因素方差分析和双因素方差分析单因素方差分析：涉及一个分类的自变量双因素方差分析：涉及两个分类的自变量

30.3071

7

6

0

关注作者

收藏

陈革007

统计学: 什么是P 值? ---P-value

是一个概率值如果原假设为真，P-值是抽样分布中大于或小于样本统计量的概率n 左侧检验时，P-值为曲线上方小于等于检验统计量部分的面积n 右侧检验时，P-值为曲线上方大于等于检验统计量部分的面积 3.被称为观察到的(或实测的)显著性水平n H0 能被拒绝的最小值单侧检验n 若p-值 > a,不拒绝 H0n 若p-值 < a, 拒绝 H0 2. 双侧检验n 若p-值 > a/2,

30.4253

8

1

0

关注作者

收藏

陈革007

统计学: 置信区间 --- confidence interval

由样本统计量所构造的总体参数的估计区间称为置信区间统计学家在某种程度上确信这个区间会包含真正的总体参数，所以给它取名为置信区间用一个具体的样本所构造的区间是一个特定的区间，我们无法知道这个样本所产生的区间是否包含总体参数的真值n 我们只能是希望这个区间是大量包含总体参数真值的区间中的一个，但它也可能是少数几个不包含参数真值的区间中的一个n 总体参数以一定的概率落在这一区间的表述是错误的

30.2037

6

0

0

关注作者

收藏

<1…141516…55>

CDA考试动态

CDA报考指南