问题标签 [statistics]

我有一个现有的网络应用程序，允许用户根据难度对项目进行“评分”。（0 到 15）。目前，我只是取每个用户意见的平均值，并直接从 MySQL 中呈现平均值。但是，我（和我的用户）越来越清楚，对数字进行加权会更合适。

奇怪的是，几个小时的谷歌搜索并没有出现太多。我确实找到了两篇文章，它们显示了基于“贝叶斯过滤器”（我部分理解）的站点范围的评级系统。 这是一个例子：

公式为：

WR=(V/(V+M)) * R + (M/(V+M)) * C

在哪里：

我喜欢这里的想法，即根据每个项目的总票数来增加权重……但是，因为我网站上的难度级别可能因项目而异，取“C”（算术平均评分）网站）无效。

所以，重述我的问题：

使用 MySQL、PHP 或两者兼而有之，我尝试从算术平均值中获取：

...加权平均：

对于大n（请参阅下文了解如何确定足够大），通过中心极限定理将样本均值的分布视为正态（高斯）是安全的，但我想要一个为任何n. 这样做的方法是使用具有n-1自由度的学生 T 分布。

所以问题是，给定您一次收集或遇到一个数据点的流，您如何计算c（例如，c=.95）数据点均值的置信区间（不存储所有先前遇到的数据）？

另一种问这个问题的方法是：如何在不存储整个流的情况下跟踪数据流的第一时刻和第二时刻？

奖励问题：您可以在不存储整个流的情况下跟踪更高的时刻吗？

我正在寻找用于统计分析的基本软件。最重要的是简单直观的使用，“开箱即用”。至少基本操作应该是交互式的。免费将是一个奖励:)

目的是分析各种进程的数据转储和日志。

• 导入逗号/制表符分隔的文件
• 根据条件对行进行排序和过滤
• 基本聚合：计数、平均值、偏差、回归、趋势
• 可视化 - 绘制数据、bin 分布等。

Excel 在过滤和重新组合数据时失败（至少对我而言），我想像“Excel with SQL”这样的东西会很好。我以前一直在使用 MS Access + Excel 并复制数据，但这很痛苦。

你有什么建议吗？

澄清我不是在寻找用于 IIS/Web 服务器日志的特定工具，而是在寻找具有制表符分隔值的各种数据结束事件日志（主要来自自定义应用程序）。

我仍在研究 F# 的东西 - 试图弄清楚如何在 F# 中“思考”，而不仅仅是从我知道的其他语言翻译。

我最近一直在考虑在之前和之后之间没有 1:1 映射的情况。List.map 崩溃的情况。

其中一个示例是移动平均线，通常在对 n 个项目进行平均时，对于长度为 len 的列表，您将得到 len-n+1 个结果。

对于那里的大师来说，这是一个好方法吗（使用从Jomo Fisher捏出来的队列）？

（也许更好的方法是通过从 Fifo 继承来实现 MovingAverageQueue？）

我想知道是否有人对此有任何见解。我正在考虑去研究生院获得一些计算机科学相关的学位。我一直对使用统计软件包或模拟解决问题的人很感兴趣。我要学习什么才能对这些事情有广泛的了解？他们属于机器学习吗？谢谢

好吧，这困扰了我好几年，现在。如果你在学校学过统计学和高等数学，现在就转身离开。太晚了。

好的。深吸一口气。这是规则。拿两个30 面骰子（是的，它们确实存在）并同时掷骰子。

• 将两个数字相加
• 如果两个骰子都显示 <= 5 或 >= 26，再次掷骰子并将结果添加到您所拥有的
• 如果一个是 <= 5 而另一个 >= 26，则再次抛出并从你拥有的结果中减去结果
• 重复直到 > 5 和 < 26！

如果您编写一些代码（见下文），将这些骰子掷几百万次，然后计算您收到每个数字的频率作为最终结果，您会得到一条在 1 的左侧非常平坦的曲线，在 1 和 1 之间大约 45° 60和60以上持平。滚动30.5或更好的机会大于50％，滚动优于18的机会是80％，滚动优于0的机会是97％。

现在的问题是：是否可以编写一个程序来计算精确值 f(x)，即滚动某个值的概率？

背景：对于我们的角色扮演游戏“星辰丛林”，我们寻找一种方法来控制随机事件。上面的规则保证了你尝试的东西会得到更稳定的结果:)

对于周围的极客，Python 中的代码：

更新统计信息会导致表无法访问吗？换句话说，您可以在不停机的情况下运行此过程吗？

专门用于 SQL Server 2005

我正在尝试测试偶然发生特定数据聚类的可能性。一种稳健的方法是蒙特卡罗模拟，其中数据和组之间的关联被随机重新分配大量次（例如 10,000 次），并且使用聚类度量来比较实际数据与模拟以确定 ap价值。

我已经完成了大部分工作，将分组映射到数据元素的指针，所以我计划随机重新分配指向数据的指针。问题：什么是无需替换的快速采样方法，以便在复制数据集中随机重新分配每个指针？

例如（这些数据只是一个简化的例子）：

数据（n=12 个值） - A 组：0.1、0.2、0.4 / B 组：0.5、0.6、0.8 / C 组：0.4、0.5 / D 组：0.2、0.2、0.3、0.5

对于每个复制数据集，我将拥有相同的集群大小（A=3、B=3、C=2、D=4）和数据值，但会将这些值重新分配给集群。

为此，我可以生成 1-12 范围内的随机数，分配 A 组的第一个元素，然后生成 1-11 范围内的随机数并分配 A 组的第二个元素，依此类推。指针重新分配很快，并且我将预先分配所有数据结构，但是没有替换的采样似乎是一个以前可能已经解决过很多次的问题。

逻辑或伪代码优先。

一天，我们遇到了大约 10 分钟的 ISP 故障，不幸的是，这发生在从多个地点进行的托管考试期间。

不幸的是，这导致候选人当前页面的回发数据丢失。

我可以从服务器日志中重建事件流。但是，在 317 名候选人中，有 175 名使用本地代理，这意味着他们似乎都来自同一个 IP。我分析了其余 142 个（45%）的数据，并得出了一些很好的数字来说明它们发生了什么。

问题：将我所有的数字乘以 317/142 以获得整个集合的可能结果有多正确？我的（非）确定性区域是什么？

请不要猜测。我需要一个在统计课上没有睡着的人来回答。

编辑：按数字，我指的是受影响个人的数量。例如，5/142 在会话期间显示了浏览器崩溃的证据。11/317 浏览器崩溃的推断有多正确？

我在寻找一个提供马尔可夫链和其他高级分布（如统计）的像样的 Java 库时遇到了麻烦。

我在 source forge 上找到了http://sourceforge.net/projects/hydra-mcmc/ ，它看起来有点用，但有人知道/使用更新的包吗？（还没有真正了解这个包，但人们会认为一个维护得更好的包是可取的）。

任何人都可以提出建议？