问题标签 [hypothesis-test]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
statistics - Keras:如何找出零假设?
我正在使用 keras 训练深度神经网络。其中一个分数称为 val_acc。我得到了 70% 的 val_acc。我怎么知道这是好还是坏?神经网络是一个二元分类器,所以我试图预测一个 1 或一个 0。数据本身大约是 65% 的 0 和 35% 的 1。我的 70% val_acc 有用吗?
r - R - Hypothesistests - 如何解释输出?
我有一个任务来检验一些假设……为了简单起见,假设 1044 个中有 433 个,我必须检查比率是否增加/与 23% 不同。
我确实选择了一个 t.test:
我得到一个像 0.19 的 p 值。-> 这表明我必须接受 H0。(5% confidence.level) T 值为 1。
这与此相矛盾:
t value >= qt(p=0.95, df = length(data)-1, lower.tail = F)
<--- 然而,这表明我必须拒绝 H0...
在这种情况下,现在真正的答案是什么?
我在这里错过了什么吗?
r - 如何同时对 5,834 个基因运行 leveneTest
我们有 35 个间充质干细胞 (MSCs) 单细胞 RNA-Seq 数据,想比较不同培养条件(即缺氧和常氧)之间的基因表达异质性。换句话说,我们想识别在缺氧状态下比在常氧状态下更均匀的基因。
我知道如何使用 R 上的 car 包对单基因运行 levenTest(请参阅下面的两个示例)。但是,我不知道如何同时为所有 5,834 个基因运行 leveneTest。你能帮我吗,请查看我们的数据:http: //68.181.92.180/~Gary/temporal/Log2_Transpose_CPM_MSC35Sample_CPM5Sample10_5834Gene.txt
更重要的是,如何将所有 5834 个 leveneTest 结果转换为一个有两列的表?第一列是基因符号,第二列是 P 值。非常感谢。
测试:
和:
label - 为什么我们需要 tf.arg_max(Y,1) 和 tensorflow 中的 softmax?
当我写 tensorflow 演示时,我arg_max()
在定义中找到了这个函数correct_predition
返回张量轴上具有最大值的索引。(这是来自 TF 的 API)
因为我们使用' softmax_cross_entropy_with_logits
',
预测 ( hypothesis
) 表示为概率
arg_max()
我们将通过函数获得最大预测概率的索引hypothesis
但是Y
是标签,这不是我们需要使用的概率tf.arg_max(Y,1)
吗?
performance - 假设检验以确定平均值是否更大
我有一个测试 Chrome 浏览器版本(遥测)的性能测试套件。对于给定的测试,我正在尝试确定一个版本是否更快/更慢或与另一个版本没有显着差异。
对于每个测试运行,我都会获得:avg、std、count、max、min、sum。
我可以比较两个测试运行(例如在两个浏览器之间)并给出:delta avg, % delta avg, delta std, % delta std, ... 等等。我还给出了 p 值(直方图的概率没有显着差异)、z 分数(又名标准分数:直方图平均值和参考直方图平均值之间的标准偏差数)和 U 统计量(Mann-Whitney U 假设检验产生和消耗的数字) .
给定这些测试统计数据,我怎么能肯定地说一个浏览器比另一个浏览器更慢/更快或没有什么不同?
我正在考虑只检查 p 值 < 0.05,如果是,则比较平均值。但这似乎太简单了。
非常感谢任何帮助。
更新:
如果我重新运行测试,两个浏览器之间的 % delta avg 会得到 +/- 10%,因此仅查看 avg 和 p 值是不够的。
r - 多项式回归的正态性检验
在 R 中,我对下面的数据库使用了多项式回归。它表明 R2 良好,系数和模型的显着性水平均小于 0.05。但是当使用shapiro.test
测试残差时,p 值为 0.01088,这意味着残差不符合正态分布。所以我想知道多项式回归是否有效。多项式回归的残差是否必须满足正态假设?
下面附上用于回归的代码和数据。
r - 在 R 中获得的默认 p 值
在 R 中,当我使用chisq.test()函数时,计算的 p 值是多少?它是两侧的,上尾还是下尾?
提前感谢您帮助这个初学者
r - 无法在 R 中重现卡方检验结果
我想在 R 中使用 chisq.test() 函数。我在 wiki 书籍“GNU R”上找到了一个用于测试的示例。代码和输出是:
所以我试图重现这个例子并得到了这个:
结果不同的原因是什么?我使用了完全相同的代码。我做错什么了吗?谢谢您的帮助!
r - R:嵌套数据框中的假设检验错误
在尝试对嵌套数据进行假设检验(例如 T 或 Wilcox 检验)时,我收到了错误消息。这是以前工作到最近的所有代码。(我想知道它是否与 dplyr .7 更新有关?)例如,
给我错误:
我怎样才能解决这个问题?
谢谢!