小编Ken*_*HBS的帖子

我对 Wilcoxon 签名等级测试的结果有疑问：

我的数据包括使用治疗的两组（配对）试验。结果以％计分。小组由131人组成。

当我在 R 中运行测试时，得到以下结果：

wilcox.test(no.treatment, with.treatment, paired=T) 
# Wilcoxon signed rank test with continuity correction 
# data:  no.treatment and with.treatment V = 3832, p-value = 0.7958
# alternative hypothesis: true location shift is not equal to 0

我想知道这个V值是什么意思。我在某处读到它与正分数（？）的数量有关，但我想知道它是否可以告诉我有关数据和解释的任何信息？

我正在使用 R 中的 tm-package 创建一个文档术语矩阵，但是我的语料库中的一些单词在这个过程中丢失了。

我将用一个例子来解释。假设我有这个小语料库

library(tm)
crps <- " more hours to my next class bout to go home and go night night"
crps <- VCorpus(VectorSource(crps))

当我DocumentTermMatrix()从 tm-package 使用时，它将返回以下结果：

dm <- DocumentTermMatrix(crps)
dm_matrix <- as.matrix(dm)
dm_matrix
# Terms
# Docs and bout class home hours more next night
# 1   1    1     1    1     1    1    1     2

然而，我想要的（和期望的）是：

# Docs and bout class home hours more next night my  go to
#  1   1    1     1 …

我正在寻找一种方法来按F#中的元素求和两个序列.

例如,如果我有这两个序列:

let first = seq [ 183.24; 170.15;174.17]
let second = seq [25.524;24.069;24.5]

我想得到以下结果:

third list = [208.764;194.219;198.67]

实现这一目标的最简单或最好的方法是什么？

核密度估计器用于估计特定的概率密度函数(请参阅mvstat.net和sckit-learn docs以获取参考)

我的困惑是关于究竟做了kde2d()什么？它是否估计了下面例子中两个随机变量f(a,b)的联合分布概率密度函数？颜色是什么意思？

这是我所指的代码示例.

b <- log10(rgamma(1000, 6, 3))
a <- log10((rweibull(1000, 8, 2)))
density <- kde2d(a, b, n=100)

colour_flow <- colorRampPalette(c('white', 'blue', 'yellow', 'red', 'darkred'))
filled.contour(density, color.palette=colour_flow)

给定的是一些数据,data它对应于硬币翻转的二进制序列,其中头部为1,尾部为0.θ是介于0和1之间的值,表示硬币在翻转时产生头部的概率.

如何计算可能性？我依稀记得一个公式,其中:

likelihood = (theta)^(h)*(1-theta)^(1-h) 

其中h如果是头部则为1,如果是尾部则为0.我实现了以下代码:

import numpy as np
(np.prod([theta*1 for i in data if i==1]) * np.prod([1-theta for i in data if i==0]))

这段代码适用于某些情况,但不适用于某些隐藏的情况(所以我不确定它有什么问题).

我有一个包含日期和质量虚拟值（0 或 1）的数据框：

      unixTimestamp         date     quality
 0       1370131200   06 2, 2013           1
 1       1290643200  11 25, 2010           1
 2       1283990400   09 9, 2010           1
 3       1290556800  11 24, 2010           1
 4       1317254400  09 29, 2011           1
 5       1388707200   01 3, 2014           1
 6       1398556800  04 27, 2014           1
 7       1399161600   05 4, 2014           0
 8       1405036800  07 11, 2014           1
 9       1390176000  01 20, 2014           1
 10      1397606400  04 16, 2014           1

我想做的：绘制随着quality时间的推移“是”(1) 的频率。

我尝试过：绘制这样的直方图：

plt.hist(x=df.loc[df['quality'] == 1].unixTimestamp, …

如何轻松生成此序列？

c(1,2,1,3,1,4,1,5,1,6,1,7,1,8,1,9,1,10,
   2,3,2,4,2,5,2,6,2,7,2,8,2,9,2,10)

有没有简单的方法来写这个？