标签: multivariate-testing

我想创建一种方法来测试页面上的不同布局,以查看哪些内容可以获得更多转换.

例如.如果我有一个页面的2个版本,我将50%发送到页面A,50%发送到页面B,看看哪个转换了更多的销售.

所以我想也许可以使用.htaccess将一半重写为A页,将另一半重写为B页.

但是我怎么能用.htaccess那样做呢？我需要使用PHP代替吗？

如果有更好的方法来做到这一点,或者我应该注意任何警告,请告诉我.

如果我根据卡方分布绘制我的多元数据的马氏距离的多元 qqplot，我希望伴随的 qqline 是截距为 0 和斜率为 1 的线。但是如果我运行以下代码：

scores<-matrix(rnorm(100*3),nc=3)
mah_scores = mahalanobis(scores,center=colMeans(scores),cov=cov(scores))
chi_scores = qchisq(ppoints(nrow(scores)),df=3)
qqplot(x=chi_scores,y=mah_scores,asp=1)
abline(a=0,b=1)
qqline(mah_scores, distribution = function(p) qchisq(p,df = 3),col="red")

我得到下图：

我希望 qqline（红色）与截距 0 和斜率 1（黑色）的线相同。谁能向我解释为什么这两行不匹配？

（我正在运行 R 版本 2.15.3 (2013-03-01)）

我想在 R 中模拟多元正态分布。我已经看到我需要 mu 和 sigma 的值。不幸的是，我不知道如何获得它们。

在以下链接中，您将在 csv 文件“Input.csv”中找到我的数据。谢谢 https://www.dropbox.com/sh/blnr3jvius8f3eh/AACOhqyzZGiDHAOPmyE__873a?dl=0

拜托，你能给我举个例子吗？劳尔

我尝试了解组之间的PERMANOVA假设multivariate spread类似于中的方差同质性univariate ANOVA，为此，我制作了R代码，但找不到此结果，为什么？

我的代码：

library(vegan)

# Four similar populations:
spdf <- matrix(NA, 60, 4, dimnames =
               list(1:60, c("sp1", "sp2", "sp3", "sp4")))
spdf <- as.data.frame(spdf)
eff <- sort(rep(1:6, 10))
spdf$sp1 = eff + rnorm(60, 0, 0.25)
spdf$sp2 = eff + rnorm(60, 0, 0.25)
spdf$sp3 = eff + rnorm(60, 0, 0.25)
spdf$sp4 = eff + rnorm(60, 0, 0.25)

#3 Treatment 

treat <- gl(3, 20, labels = paste("t", 1:3, sep=""))

# distance matrix

envdist <- vegdist(spdf, method="euclidean") …

我发现这篇旧的 stackoverflow 文章基本上正是我想要的。

比试错更有效地优化多个变量的算法

不幸的是，我的更高级的数学有点缺乏，我对 ElKamina 的答案有一些疑问，如果有人可以看一下并建议其中一些基本的数学概念，希望它能帮助我。

我所指的答案如下：

def simAnneal( w, seed_x, numSteps=100000, sigma=0.01 ):
    optimal_x = [i for i in seed_x]
    optimal_w = w(optimal_x)

    cur_w = w(seed_x)

    for i in range(numSteps):
        new_x = [i+random.gauss(0, sigma) for i in seed_x]
        new_w = w(new_x)

        if (new_w > cur_w) or (random.random() > new_w / cur_w) :
            cur_x = new_x
            cur_w = new_w
            if cur_w > optimal_w:
                optimal_w = cur_w
                optimal_x = cur_x
    return optimal_x

我不熟悉 seed_x、sigma 和高斯分布，所以我不确定他们是如何想出 new_x 的。

我正在尝试根据许多变量（> 10）求解一个值，并且正在尝试比随机猜测更好的优化，因为这将永远花费时间。

谢谢！