Statistical Analysis i analiza statystyczna

🎓 Testowanie hipotez

t-test

Typy: jednokrotne próby, dwukrotne próby, przyporządkowane.

Zastosowanie: porównanie średnich.

Przyjęte założenia: rozkład normalny, równość wariancji.

Test χ²

Typy: dopasowanie do rozkładu, niezależność.

Zastosowanie: dla danych kategorycznych.

Cel: zweryfikowanie związków.

ANOVA

Koncept: analiza wariancji.

Zastosowanie: porównanie średnich wielu grup.

Typy: jednorzędowa, dworzędnawcza ANOVA.

🔧 Regresja

Regresja liniowa

Koncept: Liniowa zależność między cechami a docelowym zmiennym.

Oszacowanie: MLE (Metoda Najmniejszychkwadratów Ordinarnych).

Zastosowanie: Dla docelowych ciągłych.

Regresja logistyczna

Koncept: Do klasyfikacji binarnej.

Oszacowanie: Największa Prawdopodobieństwo.

Zastosowanie: Dla prawdopodobieństw.

Regresja wielokrotne

Koncept: Wiele cech do prognozy.

Wady: Rozważa wiele czynników.

Zastosowanie: Dla skomplikowanych zależności.

📚 Praktyczne przykłady

Przykład 1: Test t dla testowania A/B

Hipotezy: Zdefiniuj hipotezę zerową i alternatywną.

Test t: Wykonaj dwukrotne badanie statystyczne t.

Rozwiązanie: Interpretuj wartość p, podjęcie decyzji.

Przykład 2: Regresja liniowa

Model: Zidentyfikuj cechy i docelowy zmienny.

Adaptação: Trening regresji liniowej.

Evaluacja: Ocena R², wartości p dla współczynników.

Spróbuj na żywo

Wszystko powyżej działa w Twojej przeglądarce — otwórz Dimensionality Reduction: PCA, t-SNE & UMAP i zmieniaj parametry podczas działania. Nie ma niczego do zainstalowania, nie ma niczego do przesyłania, cała modelika istnieje w jednym okienku.