Skip to main content

Tips & Tricks

Julia

Začít s

using Statistics, Distributions, Random, LinearAlgebra, Clustering, StatsBase, Plots, StatsPlots, HypothesisTests

Potřebné balíčky: ``` ] add Distributions, Clustering, StatsBase, Plots, StatsPlots, HypothesisTests


### Statistika

    -
  • vektor prúměrů `mean(X; dims = 1)`
    • -
  • kovarianční matice `cov(X)`
    • -
  • výběrová korelační matice `cor(X)`
    • -
  • vlastní čísla a vlastní vektory výběrové kovarianční matice
    \ `vals, vecs = eigen(X)`
      -
    • procenta variability `cumsum(vals) / sum(vals) * 100100`
      • -
    • hodí se na PCA
    -
  • matice vzdáleností `dist(X)` přičemž potřebujeme první definovat
    \ `dist(X; itr = eachrow) = [norm(vec1 - vec2) for vec1 in itr(X), vec2 in itr(X)]`
    • -
  • shlukování `hcl = hclust(dist(X); linkage = :single)` (více zde[zde](https://juliastats.org/Clustering.jl/stable/hclust.html))
      -
    • dobré potom ještě použít `cuttree(hcl; k = <chtěný počet clusterů>)`
      • -
  • výběrová distribuční funkce (vektorová data X`X` - pouze jednorozměrná)
    \ `plot((minimum(X) - 5):0.01:(maximum(X) + 5), y -> ecdf(X)(y))`
    • ###

Pravděpodobnost

    -
  • kvantil na hladině $\alpha$ `quantile(<distribution>, α)` např.
    \ `quantile(Normal(0,1), 0.95)`
    • -
  • hodnota distribuční funkce v bodě `cdf(<distribution>, <where>`) např.
    \ `cdf(Normal(0,1), 1.6)`
    • ###

Testování hypotéz

    -
  • test střední hodnoty normální rozdělní - **z-testtest** `OneSampleZTest(<výběrový průměr>, <směrodatná odchylka onoho normálního rozdělení>, <počet pozorování>, <testovaná hodnota>)` např.
    \ `OneSampleZTest(mean(X), 0.15, 9, 10)` pro příklad 4/2
      -
    • v případě, že testujeme střední hodnotu normálního rozdělení se směrodatnou odchylkou určenou z dat, můžeme použít `OneSampleZTest(X, <testovaná střední hodnota>)` např. `OneSampleZTest(X, 10)`
      • -
    • p-hodnotu můžeme získat také pomocí `pvalue(<test>)` např. `pvalue(OneSampleZTest(mean(X), 0.15, 9, 10))`, přičemž ještě můžeme specifikovat "jednostrannost" tohoto testu
      \ `pvalue(OneSampleZTest(mean(X), 0.15, 9, 10); tail=:left)`
      • -
    • obdobně pro interval spolehlivosti pomocí confint`confint`
      • -
  • testy jsou dostupné zde[zde](https://juliastats.org/HypothesisTests.jl/stable/parametric/#HypothesisTests.OneSampleZTest)
Back to top