Jarque-Bera test|pp图|K-S检验|

 一. QQ图 分位数图示法(Quantile Quantile Plot,简称 Q-Q 图) 统计学里Q-Q图(Q代表分位数)是一个概率图,用图形的方式比较两个概率分布,把他们的两个分位数放在一起比较.首先选好分位数间隔.图上的点(x,y)反映出其中一个第二个分布(y坐标)的分位数和与之对应的第一分布(x坐标)的相同分位数.因此,这条线是一条以分位数间隔为参数的曲线.如果两个分布相似,则该Q-Q图趋近于落在y=x线上.如果两分布线性相关,则点在Q-Q图上趋近于落在一条直线上,但不一定在y=x线

一.正态分布 正态分布是最常见也是最重要的一种连续型数据分布,标准正态分布是正态分布的一种, 当 μ=0,σ=1时的正态分布为标准正态分布,为了应用方便,常将正态分布通过Z分数转换为标准正态分布,这种转换后的分布也称为u分布或z分布. 正态分布的主要特征: 1．集中性:正态曲线的高峰位于正中央,即均数所在的位置,正态分布的均值.中位数.众数都相等 2．对称性:正态曲线以均数为中心,左右对称,曲线两端永远不与横轴相交. 3．均匀变动性:正态曲线由均数所在处开始,分别向左右两侧逐渐均匀下降. 4．正

假设检验的标准步骤: 1.建立假设:根据问题的需要提出原假设H0,以及其对立面备择假设H1. 2.确立检验水准:即设立小概率事件的界值α. 3.进行试验:得到用于统计分析的样本,以该试验的结果作为假设检验的根据. 4.选定检验方法,计算检验统计量. 5.确定P值. 原假设也称为零假设,备择假设也称为对立假设.对立假设就是对立于原假设,备择假设的意思是,一旦你决定不采纳原假设,则这假设可备你选择. 根据统计学观点,接受原假设和否定原假设,二者的意义并非对等.接受原假设只是意味着,按所获数据来看,并

新的股票绘制粗来啦,欢迎围观star的说(*^__^*) 嘻嘻-- 捏合功能也准备完善了 Github:https://github.com/yate1996/YYStock 长按分时图+五档图 分时图+五档图 长按分时图 分时图 K线图 长按K线图 非全屏嵌入 咦,发现UI好看但是功能好像有点不够用??? 没事,欲求不满的话专业版K线Demo也有?(^?^*) 戳这里:https://github.com/yate1996/Y_KLine

先废话一下:来到公司之前,项目是由外包公司做的,面试初,没有接触过分时图k线这块,觉得好难,我能搞定不!但是一段时间之后,发现之前做的那是一片稀烂,但是这货是主功能啊,迟早的自己操刀,痛下决心,开搞,本想用开源控件,但是想自己实现一下:接着有了本文 开始用surfaceview,但是这货在上下滑动的时候会出现黑边,这个问题我也是纠结了好久,想想产品肯定会打回,打回了还丢脸,算了没多少东西就用view吧,废话真tm多,开始吧. 1,创建项目(Android studio) 2,对了,先上个效果图吧

运用三种方式来实现图的存储,以适应不同的情况. 参考:ACM-ICPC程序设计系列--图论及应用 方式1:邻接矩阵 邻接矩阵是表示图的数据结构中最简单也是最常用的一种. 实现:二维数组Map[MAXN][MAXN],Map[i][j]表示点i到点j的距离. 初始化:Map[i][i] = 0,Map[i][j] = INF(i!=j),读入数据Map[i][j] = w. 时间复杂度:初始化O(n^2),建图需要O(m),总时间复杂度O(n^2). 优缺点:简单直观,可直接查询点i和点j之间是否

为什么制订了项目计划书,还要制作甘特图?甘特图简洁直观,一目了然.用甘特图展示项目计划,有利于跟踪进度.掌控全局.同时,甘特图还可以检验项目计划在时间上安排是否可行.在人员安排上是否合理.在先后顺序上是否符合逻辑.甘特图与项目计划书互相印证.互为补充.把项目计划书转换成项目甘特图的方法与注意事项如下:一.确定甘特图名称把"项目计划书"替换成"项目实施控制甘特图"即可.如"中南公司企业规范化管理整体导入项目计划书"替换成"中南公司企业规范

专业技术综合实践I课程报告 摘要 描述性统计分析是对一组数据的包括平均数.标准差.正态或偏态程度等特征进行分析.例如在本报告数据中对年龄进行了统计描述,分析了其分布基本符合正态分布.     回归分析是任何数据分析都必要的,它试图定量描述一个自变量和一个因变量之间的关系.线性和曲线回归分析,可用于预测相关变量的结果或对相关变量进行分类.在本项目中,通过回归模型分析了预选赛成绩与全国赛成绩的关系.在对全国赛成绩的影响因素的研究中,有预选赛成绩.年龄.性别.年度等因素考虑.然而在这个项目中,我们只研

一.描述统计 描述性统计是指运用制表和分类,图形以及计筠概括性数据来描述数据的集中趋势.离散趋势.偏度.峰度. 1.缺失值填充:常用方法:剔除法.均值法.最小邻居法.比率\回归法.决策树法. 2.正态性检验:很多统计方法都要求数值服从或近似服从正态分布,所以之前需要进行正态性检验.常用方法:非参数检验的K-量检验.P-P图.Q-Q图.W检验.动差法. 二.假设检验 1.参数检验 参数检验是在已知总体分布的条件下(一股要求总体服从正态分布)对一些主要的参数(如均值.百分数.方差.相关系数等)进行的