汽车试验学
x | 1 | 3 | 8 | 10 | 13 | 15 | 17 | 20 |
y | 7.5 | 10.1 | 14.8 | 17.5 | 20.2 | 22.4 | 25.1 | 27.6 |
(=0.05)
步骤:
import matplotlib.pyplot as plt # 加载 matplotlib 库
import numpy as np
from scipy import stats
# 输入数据
x = [1, 3, 8, 10, 13, 15, 17, 20]
y = [7.5, 10.1, 14.8, 17.5, 20.2, 22.4, 25.1, 27.6]
# 计算x和y的均值
x_mean = np.mean(x) # 10.875
y_mean = np.mean(y) # 18.15
# 计算线性回归方程的系数
Lxx = sum([(x[i] - x_mean) ** 2 for i in range(len(x))])
Lxy = sum([(x[i] - x_mean) * (y[i] - y_mean) for i in range(len(x))])
b = Lxy / Lxx # 0.94 # y = a + b*x
a = y_mean - b * x_mean # y = 6.63 + 1.06*x 6.625211097708082 1.0597507036590268
n = np.linspace(-1, 22, 50) # 取一个与x差不多的区间绘制近似线, 将区间分为50个点
y1 = 1.06*n + 6.63
# 计算残差平方和 Qy
Qy = sum([(y[i] - (a + b * x[i])) ** 2 for i in range(len(x))])
# 计算回归总平方和 Qz
Qz = sum([(y[i] - y_mean) ** 2 for i in range(len(y))])
# Qy = Qz - U , U = Qz - Qy
U = Qz - Qy
# 计算F统计量
fu = 1 # dfn
fqy = len(x) - 2 # dfd (n-2)
F = U/Qy * (fqy / fu)
# 进行显著性检验
p_value = stats.f.sf(F, fu, fqy) # 通过输入F统计量的值、分子自由度和分母自由度,可以得到相应的p值
# stats.f.sf(f_value, dfn, dfd)来计算,其中f_value是F统计量的值,dfn是分子自由度,dfd是分母自由度。
# 零假设(null hypothesis)通常表示为没有效应或没有差异的情况,即实验组和对照组之间不存在显著差异
# 如果p值小于或等于显著性水平(例如0.05),则拒绝零假设,认为数据提供了足够的证据表明效应是显著的。
# 如果p值大于显著性水平,则不能拒绝零假设,认为没有足够的证据表明效应是显著的。
alpha = 0.05
print(p_value) # 1.6197336594605783e-09
if p_value < alpha:
print("拒绝零假设,线性回归方程显著") # 即实验组和对照组之间存在显著差异,回归显著
else:
print("接收零假设,线性回归方程不显著")
# 输出线性回归方程
print("线性回归方程为:y = {:.2f}x + {:.2f}".format(b, a))
plt.plot(x, y, '*', label="原始数据点") # 原始数据点
plt.plot(n, y1, label="回归方程线") # 近似线数据点
plt.show() # 画出
运行效果
回归方程显著
1.stats.f.sf
stats.f.sf` 是scipy库中stats模块的一个函数,用于计算F分布的生存函数值。
生存函数(survival function),也称为可靠性函数,是概率论中的一个概念,表示随机变量大于某个值的概率。在统计学中,特别是在假设检验中,生存函数用于计算p值,以确定观察到的数据与零假设之间的不一致程度。
具体到stats.f.sf`,它是F分布的生存函数,用于计算F分布的右尾概率。这在F检验中非常有用,因为F检验通常涉及到比较两个方差的比例,并判断这个比例是否显著地不同于1,即判断是否存在显著的方差差异。
在实际应用中,stats.f.sf`可以用于:
- **计算p值**:通过输入F统计量的值、分子自由度和分母自由度,可以得到相应的p值,从而判断统计显著性。
- **进行单侧检验**:如果是单侧检验,可以直接使用`stats.f.sf`得到相应的概率值。
- **进行双侧检验**:如果是双侧检验,通常需要将`stats.f.sf`计算出的值乘以2,或者使用其他方法来计算双尾概率。
此外,stats.f.sf`的使用非常方便,可以通过调用`scipy.stats.f.sf(f_value, dfn, dfd)`来计算,其中f_value`是F统计量的值,`dfn`是分子自由度,`dfd`是分母自由度。
stats.f.sf`是用于计算F分布生存函数的函数,它在假设检验中用于评估F统计量对应的p值,可以帮助判断数据中的方差是否具有统计学上的显著性差异。
2.如何计算p值?
在统计学中,p值(probability value)是用于在统计假设检验中量化观测数据与零假设之间不一致程度的一个指标。计算p值通常涉及以下步骤:
确定适当的统计检验:根据数据类型、分布特性和研究设计选择适当的统计检验方法,如t检验、卡方检验、F检验等。
收集数据并计算统计量:收集样本数据并进行必要的预处理后,使用选定的统计检验方法计算出相应的统计量,例如t值、卡方值或F值。
确定自由度:对于某些检验,需要确定自由度(degrees of freedom),它通常是由样本大小决定的。
计算p值:使用统计量和自由度,通过查表或使用统计软件来计算p值。p值表示在零假设为真的情况下,观察到当前统计量或更极端情况的概率。
做出决策:将计算得到的p值与预先设定的显著性水平(alpha,通常取0.05或0.01)进行比较,以决定是否拒绝零假设。
3. 拒绝零假设
拒绝零假设意味着基于样本数据分析,有足够的证据认为零假设不成立。在统计假设检验中,零假设(null hypothesis)通常表示为没有效应或没有差异的情况,即实验组和对照组之间不存在显著差异。当研究者通过收集数据并进行统计分析后,如果发现数据中的模式与零假设所预期的模式不一致,并且这种不一致的概率(p值)低于事先设定的显著性水平(alpha),那么研究者可能会决定拒绝零假设。
以下是对拒绝零假设的更详细解释:
文章浏览阅读645次。这个肯定是末尾的IDAT了,因为IDAT必须要满了才会开始一下个IDAT,这个明显就是末尾的IDAT了。,对应下面的create_head()代码。,对应下面的create_tail()代码。不要考虑爆破,我已经试了一下,太多情况了。题目来源:UNCTF。_攻防世界困难模式攻略图文
文章浏览阅读2.9k次,点赞3次,收藏10次。偶尔会用到,记录、分享。1. 数据库导出1.1 切换到dmdba用户su - dmdba1.2 进入达梦数据库安装路径的bin目录,执行导库操作 导出语句:./dexp cwy_init/[email protected]:5236 file=cwy_init.dmp log=cwy_init_exp.log 注释: cwy_init/init_123..._达梦数据库导入导出
文章浏览阅读1.9k次。1. 在官网上下载KindEditor文件,可以删掉不需要要到的jsp,asp,asp.net和php文件夹。接着把文件夹放到项目文件目录下。2. 修改html文件,在页面引入js文件:<script type="text/javascript" src="./kindeditor/kindeditor-all.js"></script><script type="text/javascript" src="./kindeditor/lang/zh-CN.js"_kindeditor.js
文章浏览阅读2.3k次,点赞6次,收藏14次。SPI的详情简介不必赘述。假设我们通过SPI发送0xAA,我们的数据线就会变为10101010,通过修改不同的内容,即可修改SPI中0和1的持续时间。比如0xF0即为前半周期为高电平,后半周期为低电平的状态。在SPI的通信模式中,CPHA配置会影响该实验,下图展示了不同采样位置的SPI时序图[1]。CPOL = 0,CPHA = 1:CLK空闲状态 = 低电平,数据在下降沿采样,并在上升沿移出CPOL = 0,CPHA = 0:CLK空闲状态 = 低电平,数据在上升沿采样,并在下降沿移出。_stm32g431cbu6
文章浏览阅读1.2k次,点赞2次,收藏8次。数据链路层习题自测问题1.数据链路(即逻辑链路)与链路(即物理链路)有何区别?“电路接通了”与”数据链路接通了”的区别何在?2.数据链路层中的链路控制包括哪些功能?试讨论数据链路层做成可靠的链路层有哪些优点和缺点。3.网络适配器的作用是什么?网络适配器工作在哪一层?4.数据链路层的三个基本问题(帧定界、透明传输和差错检测)为什么都必须加以解决?5.如果在数据链路层不进行帧定界,会发生什么问题?6.PPP协议的主要特点是什么?为什么PPP不使用帧的编号?PPP适用于什么情况?为什么PPP协议不_接收方收到链路层数据后,使用crc检验后,余数为0,说明链路层的传输时可靠传输
文章浏览阅读587次。软件测试工程师移民加拿大 无证移民,未受过软件工程师的教育(第1部分) (Undocumented Immigrant With No Education to Software Engineer(Part 1))Before I start, I want you to please bear with me on the way I write, I have very little gen...
文章浏览阅读304次。Thinkpad X250笔记本电脑,装的是FreeBSD,进入BIOS修改虚拟化配置(其后可能是误设置了安全开机),保存退出后系统无法启动,显示:secure boot failed ,把自己惊出一身冷汗,因为这台笔记本刚好还没开始做备份.....根据错误提示,到bios里面去找相关配置,在Security里面找到了Secure Boot选项,发现果然被设置为Enabled,将其修改为Disabled ,再开机,终于正常启动了。_安装完系统提示secureboot failure
文章浏览阅读10w+次,点赞93次,收藏352次。1、用strtok函数进行字符串分割原型: char *strtok(char *str, const char *delim);功能:分解字符串为一组字符串。参数说明:str为要分解的字符串,delim为分隔符字符串。返回值:从str开头开始的一个个被分割的串。当没有被分割的串时则返回NULL。其它:strtok函数线程不安全,可以使用strtok_r替代。示例://借助strtok实现split#include <string.h>#include <stdio.h&_c++ 字符串分割
文章浏览阅读2.3k次。1 .高斯日记 大数学家高斯有个好习惯:无论如何都要记日记。他的日记有个与众不同的地方,他从不注明年月日,而是用一个整数代替,比如:4210后来人们知道,那个整数就是日期,它表示那一天是高斯出生后的第几天。这或许也是个好习惯,它时时刻刻提醒着主人:日子又过去一天,还有多少时光可以用于浪费呢?高斯出生于:1777年4月30日。在高斯发现的一个重要定理的日记_2013年第四届c a组蓝桥杯省赛真题解答
文章浏览阅读851次,点赞17次,收藏22次。摘要:本文利用供需算法对核极限学习机(KELM)进行优化,并用于分类。
文章浏览阅读1.1k次。一、系统弱密码登录1、在kali上执行命令行telnet 192.168.26.1292、Login和password都输入msfadmin3、登录成功,进入系统4、测试如下:二、MySQL弱密码登录:1、在kali上执行mysql –h 192.168.26.129 –u root2、登录成功,进入MySQL系统3、测试效果:三、PostgreSQL弱密码登录1、在Kali上执行psql -h 192.168.26.129 –U post..._metasploitable2怎么进入
文章浏览阅读257次。本文将为初学者提供Python学习的详细指南,从Python的历史、基础语法和数据类型到面向对象编程、模块和库的使用。通过本文,您将能够掌握Python编程的核心概念,为今后的编程学习和实践打下坚实基础。_python人工智能开发从入门到精通pdf