Being able to apply statistics is like having a secret superpower.

Where most people see averages, you see confidence intervals.

When someone says “7 is greater than 5,” you declare that they're really the same.

In a cacophony of noise, you hear a cry for help.

Unfortunately, not enough programmers have this superpower. That's a shame, because the application of statistics can almost always enhance the display and interpretation of data.

As my modest contribution to developer-kind, I've collected together the statistical formulas that I find to be most useful; this page presents them all in one place, a sort of statistical cheat-sheet for the practicing programmer.

Most of these formulas can be found in Wikipedia, but others are buried in journal articles or in professors' web pages. They are all classical (not Bayesian), and to motivate them I have added concise commentary. I've also added links and references, so that even if you're unfamiliar with the underlying concepts, you can go out and learn more. Wearing a red cape is optional.

Send suggestions and corrections to [email protected]

Table of Contents

1. Formulas For Reporting Averages

One of the first programming lessons in any language is to compute an average. But rarely does anyone stop to ask: what does the average actually tell us about the underlying data?

1.1 Corrected Standard Deviation

The standard deviation is a single number that reflects how spread out the data actually is. It should be reported alongside the average (unless the user will be confused).

s=1N−1∑i=1N(xi−x¯)2−−−−−−−−−−−−−−−⎷

Where:

• N is the number of observations
• xi is the value of the i^th observation
• x¯ is the average value of xi

1.2 Standard Error of the Mean

From a statistical point of view, the "average" is really just an estimate of an underlying population mean. That estimate has uncertainty that is summarized by the standard error.

SE=sN−−√

1.3 Confidence Interval Around the Mean

A confidence interval reflects the set of statistical hypotheses that won't be rejected at a given significance level. So the confidence interval around the mean reflects all possible values of the mean that can't be rejected by the data. It is a multiple of the standard error added to and subtracted from the mean.

CI=x¯±tα/2SE

Where:

• α is the significance level, typically 5% (one minus the confidence level)
• tα/2 is the 1−α/2 quantile of a t-distribution with N−1 degrees of freedom

1.4 Two-Sample T-Test

A two-sample t-test can tell whether two groups of observations differ in their mean.

The test statistic is given by:

t=x1¯−x2¯s21/n1+s22/n2−−−−−−−−−−−√

The hypothesis of equal means is rejected if |t| exceeds the (1−α/2) quantile of a t distribution with degrees of freedom equal to:

df=(s21/n1+s22/n2)2(s21/n1)2/(n1−1)+(s22/n2)2/(n2−1)

2. Formulas For Reporting Proportions

It's common to report the relative proportions of binary outcomes or categorical data, but in general these are meaningless without confidence intervals and tests of independence.

2.1 Confidence Interval of a Bernoulli Parameter

A Bernoulli parameter is the proportion underlying a binary-outcome event (for example, the percent of the time a coin comes up heads). The confidence interval is given by:

CI=⎛⎝p+z2α/22N±zα/2[p(1−p)+

相關推薦

C#程式設計中常用統計學公式

Being able to apply statistics is like having a secret superpower. Where most people see averages, you see confidence intervals. When

C#語言中常用的判斷語句和循環語句

只讀 代碼示例 賦值 循環 數字 其他 do while 表達 集合 C#語言中，我們常用的判斷語句和循環語句都有哪些呢？ 1、if判斷 代碼格式：if（條件1）{　　代碼1 }else if(條件2）{　　代碼2

C++---使用VS在C++程式設計中出現 fatal error C1010: 在查詢預編譯頭時遇到意外的檔案結尾。是否忘記了向源中新增“#include "stdafx.h"”?

啦啦啦，好久沒寫部落格啦... 對於C++初學者來說適應一個新的編譯器還是需要蠻長一段時間的，現在我就給你們說說標題所說的這個問題吧... 第一步：選單--〉專案--〉設定，出現“專案設定”對話方塊，左邊展開專案，在“原始檔”中找到出錯的檔案。 第二步：在右邊選擇“C/C++”屬性頁，在Category

JAVA程式設計中常用的四種JSON解析方式

我們在日常開發中少不了和JSON資料打交道，那麼我們來看看JAVA中常用的JSON解析方式。  1、JSON官方  2、GSON  3、FastJSON  4、jackson  JSON操作涉及到的類：    

java網路程式設計中常用的類

java網路程式設計中常用的類 1、InetAddress 用於封裝計算機的IP地址和DNS(Domain Name System域名系統)（沒有埠資訊） InetAddress沒有構造器，要得到物件只能通過靜態方法實現 /** * 使用getLocalHost的方法建立InetA

C#基礎之 二十二 C#窗體中常用的控制元件

前言       第一次看這部分的視訊的時候，我就有一個非常深的感觸，當時看到這些控制元件的名稱和“長相”之後，覺得和VB真的是如出一轍，沒有什麼不一樣的，只不過這一個是C#，以前接觸的是VB，這樣的話應該還是比較容易接受的

關於C#程式設計中方法的呼叫

C#在VS程式設計中，方法的定義以及呼叫： 諾在同一名稱空間，同一類下的方法呼叫： 如果方法宣告中有static,可以直接使用該類名進行呼叫。由於是在同一類下的方法，所以在呼叫方法時可以不用加類名稱。例如程式： namespace STA { class Program

程式設計中常用的單詞縮寫

在程式設計時我們經常會用到一些縮寫，下面是結合網上的和我個人總結的一些縮寫，會持續更新。 A absolute -> abs address -> addr application -> app argument -> arg arguments -> args arr

Linux CURL安裝及C程式設計中curl.h標頭檔案缺少問題解決

curl安裝 –獲得安裝包，從網上直接下載或者其他途徑，這裡直接wget # wget http://curl.haxx.se/download/curl-7.17.1.tar.gz  此處可以選擇最新版本。官網http://curl.haxx.se/ –解壓到當前目錄

C#開發中常用加密解密方法解析

一、MD5加密演算法 我想這是大家都常聽過的演算法，可能也用的比較多。那麼什麼是MD5演算法呢？MD5全稱是message-digest algorithm 5，簡單的說就是單向的加密，即是說無法根據密文推匯出明文。 MD5主要用途： 1、對一段資訊生成資訊摘要，該摘要對該資訊具有唯一性

C++程式設計中對緩衝區的理解（OS預設4096大小的緩衝區，有例子，很形象）

什麼是緩衝區        緩衝區又稱為快取，它是記憶體空間的一部分。也就是說，在記憶體空間中預留了一定的儲存空間，這些儲存空間用來緩衝輸入或輸出的資料，這部分預留的空間就叫做緩衝區。       緩

const關鍵字的用法，在C++程式設計中要儘可能用const

為什麼說在C++程式設計中要儘可能用const呢？ 因為這樣可以獲得編譯器的幫助，以便寫出健壯性的程式碼。 C++ const 允許指定一個語義約束，編譯器會強制實施這個約束，允許程式設計師告訴編譯器某值是保持不變的。如果在程式設計中確實有某個值保持不變，就應該明確使用c

C\C++程式設計中：相對路徑與絕對路徑

在程式設計的過程中，會遇到需要引用外部檔案的情況，有兩種路徑的書寫方式，通過下面的列子進行分析。 電腦硬碟E盤下，建資料夾“test”，"test"下建立子資料夾“file”，"file"下建子資料夾“data”，電腦資源管理器顯示目錄 E:\test\fi

C語言中常用排序演算法（氣泡排序、選擇排序、插入排序、希爾排序、快速排序、堆排序）實現比較

以下程式在win10 X64位作業系統，使用VS2017執行驗證可行 排序是非常重要且很常用的一種操作，有氣泡排序、選擇排序、插入排序、希爾排序、快速排序、堆排序等多種方法。 例項1 冒泡法排序 1.前言： 陣列中有N個整數，用冒泡法將它們從小到大（或從大到小）排序。冒泡法

（轉載）C語言中常用的幾個標頭檔案及庫函式 (stdio.h ,string.h ,math.h ,stdlib.h)

不完全統計，C語言標準庫中的標頭檔案有15個之多，所以我主要介紹常用的這四個標頭檔案stdio.h ,string.h ,math.h ,stdlib.h ，以後用到其他的再做補充。下面上乾貨： 1.<stdio.h>：定義了輸入輸出函式、型別以及巨集，函式

【linux C】C語言中常用的幾個函式的總結【一】

1、memset函式 定義變數時一定要進行初始化，尤其是陣列和結構體這種佔用記憶體大的資料結構。在使用陣列的時候經常因為沒有初始化而產生“燙燙燙燙燙燙”這樣的野值，俗稱“亂碼”。每種型別的變數都有各自的初始化方法，memset() 函式可以說是初始化記憶體的“萬能函式”，通常為新申請的記憶體進行初始化工作。

【linux C】C語言中常用的幾個函數的總結【一】

有效 getchar() 調用 指向 ++ 再次 無法 linux c 收回 1、memset函數 定義變量時一定要進行初始化，尤其是數組和結構體這種占用內存大的數據結構。在使用數組的時候經常因為沒有初始化而產生“燙燙燙燙燙燙”這樣的野值，俗稱“亂碼”。每種類型的變量都有各

【linux C】C語言中常用的幾個函式的總結【二】

3、fgets 雖然用 gets() 時有空格也可以直接輸入，但是 gets() 有一個非常大的缺陷，即它不檢查預留儲存區是否能夠容納實際輸入的資料，換句話說，如果輸入的字元數目大於陣列的長度，gets 無法檢測到這個問題，就會發生記憶體越界，所以程式設計時建議使用 fgets()。fgets() 的原型為

詳解C++程式設計中類的宣告和物件成員的引用

C++類的宣告和物件的建立 類是建立物件的模板，一個類可以建立多個物件，每個物件都是類型別的一個變數；建立物件的過程也叫類的例項化。每個物件都是類的一個具體例項（Instance），擁有類的成員變數和成員函式。 與結構體一樣，類只是一種複雜資料型別的宣告，不佔用記憶體空間。而物件是類這種資料型別的一個變

c語言中常用函式

memset void *memset(void *s, int ch, size_t n); 函式解釋：將s中當前位置後面的n個位元組 （typedef unsigned int size_t ）