| 共 25 篇文章 |
|
T检验和卡方检验。假设检验（Hypothesis Testing），或者叫做显著性检验（Significance Testing）是数理统计学中根据一定假设条件由样本推断总体的一种方法。当原假设被拒绝时，默认接受备择假设。如原假设是假设总体均值μ＝μ0，则备择假设为总体均值μ≠μ0，检验的过程就是计算相应的统计量和显著性概率，来验证原假设应该被接受还是拒绝。... 阅5 转自Enoch2005 公众公开 18-10-03 15:37 |
如果我们把上面棣莫弗-拉普拉斯的结论看成是中心极限定理的1.0版的话，那么在拉普拉斯的启示下，几代数学家在19、20世纪的百余年间共同努力，迅速将中心极限定理不断升级。中心极限定理2.0版(Lindelberg-Levy中心极限定理)：如果我们有n个独立、同分布的随机变量，而且它们的均值和方差都是有限的，那么当n趋于无穷大时，这n个随机变量之和的一... 阅3 转自昵称尼玛... 公众公开 18-10-03 09:24 |
既然随机变量可以取不同的值，统计学家就用概率分布描述随机变量取不同值的概率。相对应的，有离散型概率分布和连续型概率分布。对于离散型随机变量x，定义一个概率函数叫f(x)，它给出了随机变量取每一个值的概率。因为离散概率的本质是求x取某个特定值的概率，而连续随机变量不行，它的取值是可以无限分割的，它取某个值时概率近似于0。连续变... 阅2 转自学思乐之 公众公开 18-10-03 09:24 |
听众问答 27 | 用概率来解释因果关系到底科学不科学？我忘了具体是哪位听众的名字，他在微信群里面问，经常在科普或者科学论文中看到用概率来解释事件与事件之间的因果关系，最常见到的就是气象预报中的降水概率和医学研究中的致死率、治愈率、存活率等。因果关系还有第四个层次，到了这个层次就是该回答那位听众的疑惑了，概率算不算因果关系... 阅30 转0 评0 公众公开 18-04-22 12:23 |
应该如何理解概率分布函数和概率密度函数？在理解概率分布函数和概率密度函数之前，我们先来看看概率分布和概率函数是咋回事。连续型随机变量也有它的“概率函数”和“概率分布函数”，但是连续型随机变量的“概率函数”换了一个名字，叫做“概率密度函数”！左边是F(x)连续型随机变量分布函数画出的图形，右边是f(x)连续型随机变量的概率密度... 阅851 转1 评0 公众公开 18-02-26 01:39 |
因此，首先我们构造两个假设，第一个假设称之为原假设，也被称为H0，例如假定前后两个总体没有显著差异：相反，如果我们假设检验中，没有拒绝原假设，并不意味着我们完全接受原假设，只是说明样本数据的“证据”不足，暂时不拒绝原假设。零假设H0： 2017年大学毕业生平均工资与2016年大学毕业生平均工资无显著差异；因为，所以我们可以拒绝原假... 阅147 转1 评0 公众公开 18-02-26 01:39 |
常用的概率分布类型及其特征。它的概率密度函数为：指数分布是唯一的失效率不随时间变化而变化的连续随机变量的概率分布。3．3．3 正态分布与对数正态分布 正态分布又称为常态分布或高斯分布。它是服从标准正态分布N（0，1）的随机变量U和服从自由度为v的x2分布的随机变量x2（v）的函数。服从F分布的随机变量F是两个相互独立的x2分布随机变... 阅6425 转15 评0 公众公开 18-02-19 09:41 |
3不封顶的资产性收入，典型的指数增长 与劳动性收入的对数增长不同，资产性收入则是典型的指数增长模式，如果对数增长是因为简单的重复循环，指数增长则是因为点滴积累后的质变。“ 后记：读完该文，你还有疑虑？劳动收入到底是对数增长还是指数增长？资产性收入到底是指数增长还是对数增长？二者怎么又互为交替循环？是不是有些小凌乱？ ... 阅1 转自智远天泽 公众公开 18-02-05 08:59 |
两种增长曲线。这是一种指数增长，属于第二种增长类型。我注意到大部分事情都是要么呈现对数增长，要么指数增长。对数增长错误。第一类错误是假定了线性增长，但现实却是对数增长。指数增长错误。大部分仅能在一定的范围内保持指数增长，越过这个范围后就又会回归到对数增长。期望线性增长实际却是按指数增长，这让许多人在拐点发生前就放弃了... 阅58 转2 评0 公众公开 18-02-05 08:42 |
建立量化体系，主要是根据「指标设计方法」，设计业务的「核心指标 拆解指标 业务指标」，最后落地成全公司通用的「指标字典」和「维度字典」。有一些 Tips 供大家参考： 比率指标：关注实际效果（下单转化率，光看下单数是没有用的） 伴生指标：既要看新客数也要看 CAC，确保数量的前提也要确保质量 防止坏指标：错误指标，虚荣指标，复杂指... 阅659 转12 评0 公众公开 17-12-19 00:05 |
