Akaike information criterion,AIC是什么?一个用来筛选模型的指标.AIC越小模型越好,通常选择AIC最小的模型.第一句话好记,第二句话就呵呵了,小编有时候就会迷惑AIC越大越好还是越小越好.所以,还是要知其所以然的. 在AIC之前,我们需要知道Kullback–Leibler information或 Kullback–Leiblerdistance.对于一批数据,假设存在一个真实的模型f,还有一组可供选择的模型g1.g2.g3…gi,而K-L 距离就是用模型 gi
A/B testing主要用来检测网站或者APP的两个版本中哪一个更好,它的中心思想是把流量一分为二,一份用作experiment group,访问新的版本,另一份用作control group,访问旧的版本. 假设现在有一个网站,要测试是否增大网页Register的字体,可以增加注册用户. 进行AB testing,首先要选择Unit of Diversion, 就是把实验分成两组的标准.在这个实验中,可以选择unique cookies to view the web page. 然后要选定
R data analysis examples 功效分析 power analysis for one-sample t-test单样本t检验 例1.一批电灯泡,标准寿命850小时,标准偏差50,40小时的差值是巨大的,此研究设定效应值d= (850-810)/50,希望有90%的可能检测到,即功效值为0.9,还希望有95%的把握不误报显著差异, 问需要多少支电灯泡. H0=850,HA=810 library('pwr') pwr.t.test(d=(850-810)/50,power=0.
A Bayes factor (BF) is a statistical index that quantifies the evidence for a hypothesis, compared to an alternative hypothesis (for introductions to Bayes factors, see here, here or here). Although the BF is a continuous measure of evidence, humans
先读几篇文章: Interpretation of Association Signals and Identification of Causal Variants from Genome-wide Association Studies GWAS have been successful in identifying disease susceptibility loci, but it remains a challenge to pinpoint the causal variants