统计分析基础知识docWord格式.docx

1、即该函数在（-8，+ *的积分为1线性函数转换如下y=（x-Mi nValue）/（MaxValue-Mi nV alue）说明：x、y分别为转换前、后的值， MaxValue、MinValue分别为样本的最大值和最小值。（x-mi n）/（max-mi n）这样所有的数据都归一化为 0到1之间的数了归一化是一种简化计算的方式，即将有量纲的表达式，经过变换，化为无量纲的表达式，成为纯量。归一化是为了加快训练网络的收敛性，可以不进行归一化处理归一化的具体作用是归纳统一样本的统计分布性 。归一化在0-1之间是统计的概率分布，归一化在-1-+1之间是统计的坐标分布。归一化有同一、统一和合一的意思。无

2、论 是为了建模还是为了计算， 首先基本度量单位要同一， 神经网络是以样本在事件中的统计分别几率来进行训练（概率计算）和预测的，归一化是同一在 0-1之间的统计概率分布;SVM是以降维后线性划分距离来分类和仿真的，因此时空降维归一化是统一在 -1-+1之间的统计坐标分布。归一化是因为sigmoid函数的取值是 0到1之间的，网络最后一个节点的输出也是如 此，所以经常要对样本的输出归一化处理。所以这样做分类的问题时用 0.9 0.1 0.1就要比用要好。但是归一化处理并不总是合适的， 根据输出值的分布情况，标准化等其它统计变换方法有时可能更好。主要是为了数据处理方便提出来的， 把数据映射到01范围

3、之内处理，更加便捷快速，应该归到数字信号处理范畴之内。归一化方法 （Normalization Method ）1。 把数变为（0, 1）之间的小数 主要是为了数据处理方便提出来的， 把数据映射到0 1范围之内处理，更加便捷快速，应该归到数字信号处理范畴之内。2。 把有量纲表达式变为无量纲表达式归一化是一种简化计算的方式， 即将有量纲的表 达式，经过变换，化为无量纲的表达式，成为纯量。比如，复数阻抗可以归一化书写：Z = R + j 3 L = R（1 + j 3 L/R），复数部分变成了纯数量了，没有量纲。标准化方法（Normalizati on Method ）数据的标准化是将数据按比例缩

4、放，使之落入一个小的特定区间。 由于信用指标体 系的各个指标度量单位是不同的， 为了能够将指标参与评价计算， 需要对指标进行规范 化处理，通过函数变换将其数值映射到某个数值区间。关于神经网络（matlab ）归一化的整理关于神经网络归一化方法的整理由于采集的各数据单位不一致，因而须对数据进行 -1 , 1归一化处理，归一化方法主要有如下几种，供大家参考： （by james ）1、 线性函数转换，表达式如下：y=（x-Mi nV alue）/（MaxValue-Mi nV alue）x、y分别为转换前、后的值， MaxValue、MinValue分别为样本的最大值和最小值。2、 对数函数转换，

5、表达式如下：y=log10（x）以10为底的对数函数转换。3、 反余切函数转换，表达式如下：y=ata n（ x）*2/PI布，归一化在-1+1之间是统计的坐标分布。归一化有 同一、统一和合一的意思。无论是为了建模还是为了计算， 首先基本度量单位要同一， 神经网络是以样本在事件中的统计分别几率来进行训练（概率计算）和预测的，归一化是统一在0-1之间的统计概率分 布；当所有样本的输入信号都为正值时，与第一隐含层神经元相连的权值只能同时增加 或减小，从而导致学习速度很慢。为了避免出现这种情况，加快网络学习速度，可以对 输入信号进行归一化，使得所有样本的输入信号其均值接近于 0或与其均方差相比很小。

6、归一化是因为sigmoid函数的取值是0到1之间的，网络最后一个节点的输出也是 如此，所以经常要对样本的输出归一化处理。 所以这样做分类的问题时用 0.9 0.1 0.1就要比用1 0 0要好。MATLAB归一化方法你在所有的数据中找出最大的那个数 max可以用matlab的max函数在所有的数据中找出最小的那个数 min可以用 matlab的min函数如果是Origin，那么选中要归一化的数据列，点击右键，在弹出的对话框中选择 Normalize在excel表格中如何对数据进行归一化处理比如对A1到A10中的是个数进行归一化处理，就是分别计算每个数占这是个数这和的百分比，可以用公式计算，不是

7、很难，例如：在单元格 B1中输入“ =A1/sum（$A$1:$A$10）,点击B1右下角的黑十字下拉到 B10放开鼠标，b列的结果就是你要的归一化结果。数据多的话只需改动公式中 sum函数的引用位置，女口 A列有100个数，B1中改为” =A1/sum（$A$1 : $A$100） “下面我们来看一组数据，并检验 期初平均分”数据是否呈正态分布（此数据已在 SPSS里输入好）Xff?） Ml鼻El，界 R1 ft.卢执歸 H-r （Bfl ;： X* 皿 131 甲目加tflaiaiglmi-rirlGiiin 寻剛gjr猪迂 眾初尹也I亢町理（立玄毘叵 （JtfW 劳 N （Mff 在SP

8、SS里执行分析一描述统计一频数统计表”菜单见下图，英文版的可以找到相应位置 ），然后弹出左边的对话框，变量选择左边的 期初平均分”再点下面的 图表”按钮，弹岀图中右边的对话框，选择直方图”并选中包括正态曲线”:1阴表工具窗口帮肋QP报吿迥i描述貌计7频数另布叢匡）.表務描述眾计分靳01）.l均值比较探索另析嵐”X一般线性模型交究壷-讒合複型（X）比率W-相共分析&bU.ULIb/.5回归分靳0）*75QQ73.5裁數踱性（Q）10.0036.5J聚类分析Q）k63.0070.5f敬据缩减Q）63.DQ51.5尺廈分斬）81.0079.5设置完后点确定”就后会岀来一系列结果，包括 2个表格和一个

9、图，我们先来看看最下面的图，见下 图，Histogram过一上图中横坐标为期初平均分，纵坐标为分数岀现的频数。从图中可以看岀根据直方图绘岀的曲线是很像 正态分布曲线。如何证明这些数据符合正态分布呢，光看曲线还不够，还需要检验：检验方法一：看偏度系数和峰度系数我们把SPSS结果最上面的一个表格拿出来看看（见下图）:期初平均分NviidS3MissingMean61 373Std. Deviation12.8639Skarns ss-333Std. Error of SkewnessKurlnsis.966Std. Error of Kurt os is.493Minimum15.QMaxirnu

10、nn91.a偏度系数Skewness=-0.333; 峰度系数Kurtosis=0.886 ;两个系数都小于 1，可认为近似于正态分布。检验方法二：单个样本 K-S检验期初平均在SPSS里执行 分析一非参数检验一单个样本K-S检验，弹岀对话框，检验变量选择频率表（教育程度）分”检验分布选择正态分布”然后点确定检验结果为:One-Sample Koliiioymnv-Siikiinw T 軾忖96Normal Paranietersit61.37812.0630Most ExtremeAbsolute.05CDifferencesPositive.044Megafive.05CKomagorov

11、-SmirriovZAs/mp. Sig.（2-tailed）esea distributer isNormal.b. Calculated from data从结果可以看出，K-S检验中,Z值为0.493, P值（sig 2-tailed）=0.9680.05，因此数据呈近似正态分布检验方法三：Q-Q图检验在SPSS里执行 图表一Q-Q图”弹出对话框，见下图: Q-Q 圈令年釀編号砂性别莎实尤、球（期初）立定跳远I期初）专立定跳远 期末） 审睡平均分 矽进步幅睫分I正懑 工从数摇估计包 _ocation.Scle:转换比例估计公式r自脚数转掘即f* glams 4 Bankit L Jukeysr标匮忧数值回 Vn der Waerdensr差异业】； r 厂季节性差异国 7*醫均值也厂高已c低8J当丽周期： 无任倉廿斷结点哙变量选择期初平均分”检验分布选择 正态”其他选择默认，然后点 确定”最后可以得到 Q-Q图检验结果，结果很多，我们只需要看最后一个图，见下图。Normal Q-Q Plot of期初平均分iao20-LObserved Value|简介显著性差异（significanee level） ，是一个统计学名词。它是 统计学（Statistics ）上对数据差异性的评价。也可能来自于 实验处理对实验对象造成了根本性状改变，因而前测后 测的数据会有显著性差