精华内容
下载资源
问答
  • 2021-11-08 14:46:58

    工业相机影响曝光的因素

    工业相机工作过程中,曝光是图像传感器进行感光的过程。曝光对照片的质量影响很大,如果曝光过度,则照片过量,失去图像细节;如果曝光不足,则照片过暗,同样会失去图像细节。

    在曝光过程中,CCD/CMOS收集光子并转换成电荷,曝光结束后,CCD/CMOS通过一定的方式将电荷转出。

    控制曝光就是控制总的通光量,也就是曝光过程中到达CCD/CMOS表面的光子总和;

    影响曝光的因素有三个:1、光圈;2、曝光时间;3、增益;

    1.光圈

    光圈控制光线进入的通路大小。光圈越大,单位时间的光通量越大;光圈越小,单位时间的光通量越小;

    2.曝光时间

    曝光时间也就是快门速度。
    快门就是用来控制进光时间的阀门,是一个元件。数码相机有两种快门,机械的和电子的;
    快门速度是指快门打开到关闭的速度,曝光时间是指感光元件在光线射入时用来曝光产生形象的时间。虽然两个概念所指的对像不同,但是是相互关联的,快门打开多少时间,感光元件就有多少时间用来反应。所以一般都来说这两者是一回事。

    3.增益

    工业相机内有一个将来自 CCD 的信号放大到可以使用水准的视频放大器,其放大即增益。由于在对图像信号进行放大的过程中同时也会放大噪声信号,因此通常把放大器增益设为最小。

    4.调节时曝光为主增益为辅

    曝光和增益是直接控制传感器(CCD/CMOS)上读出来的数据,是要优先调节的,以调节曝光时间为主。

    在不过曝的前提下,增加曝光时间可以增加信噪比,使图像清晰。当然,对于很弱的信号,曝光也不能无限增加,因为随着曝光时间的增加,噪音也会积累, 曝光补偿就是增加拍摄时的曝光量。

    增益一般只是在信号弱,但不想增加曝光时间的情况下使用,一般相机增益都产生很大噪音。工业相机在不同增益时图像的成像质量不一样,增益越小,噪点越小;增益越大,噪点越多,特别是在暗处。

    增益一般只是在信号弱,但不想增加曝光时间的情况下使用。一般相机增益都产生很大噪音的,所以几乎不怎么用。

    5.区分IOS和曝光补偿:

    数码相机的ISO就是这里说的增益,增大ISO,是增加感光器件对光的灵敏度。高感光度对低光照灵敏,同时对噪杂信号也灵敏,信噪比小,所以高感光度噪点也多(可利用图片软件的降噪功能减轻或去除)。
    调节亮度增益说白了就是改变ISO,改变CMOS传感器的感光性能,但是会影响到画质。调节曝光补偿则是为了改变快门速度,不改变ISO不会影响画质。

    更多相关内容
  • 影像传感器像素数量。像素越高,数码照片文件量越大
  • 找出在压抑情绪下各个因素对矿工不安全情绪持续时间的影响大小。研究表明,对矿工不安全情绪持续时间产生影响的程度排序为3个一级因素中,企业因素>个人因素>家庭因素。而在二级因素中,沟通渠道>安全规章>个人收入>...
  • 有时,人肉眼认为没有区别的两张照片,但是存储的大小差别会很大(例如一个200kb,一个2000kb) 分辨率 分辨率是指一张图像在每英寸内有多少像素点,相同尺寸的两张图片,分辨率越高,图像文件越大,分辨率相同的两...

    如题,首先给出结论:分辨率,图像深度,存储格式
    图像为网上找的
    如图 同样一部手机上的截图 最小的只有60多kb 最大的在1mb以上 这跟哪些因素有关?(图片为网上随便找的)
    有时,人肉眼认为没有区别的两张照片,但是存储的大小差别会很大(例如一个200kb,一个2000kb)

    1. 分辨率

    分辨率是指一张图像在每英寸内有多少像素点,相同尺寸的两张图片,分辨率越高,图像文件越大,分辨率相同的两张图片,图像尺寸越大,图像文件越大,也就是说图像文件的大小取决于前两者的参数,随这两者的改变而改变。

    1. 图像深度

    图像深度是指存储每个像素所用的位数,它也是用来度量图像的色彩分辨率的。它确定了彩色图像的每个像素可能有的色彩数,或者确定灰度图像的每个像素可能有的灰度级数。它决定了色彩图像中可能出现的最多的色彩数,或者灰度图像中的最大灰度等级。

    图像深度是单个像素点的色彩详细度,如16位(65536色),32位等。比如一幅单色图像,若每个像素有8位,则最大灰度数目为2的8次方,即256.一幅彩色图像RGB3个温良的像素位数分别为4,4,2,则最大颜色数目为2的4+4+2次方,即1024,就是说像素的深度为10位,每个像素可以是1024种颜色中的一种,例如:一幅画的尺寸是 1024*768,深度为16,则它的数据量为1.5M。

    计算如下:
    1024 * 768 * 16bit = (1024 * 768 * 16) / 8字节
    = [(1024 * 768 * 16) / 8] / 1024KB
    = {[(1024 * 768 * 16) / 8] / 1024} / 1024MB
    =1.5MB。

    1. 存储格式

    不同的存储格式,压缩技术也会导致图像的大小不同,例如同一张图片,用JPG,PNG,BMP等格式图像大小会有差异,这个知道就行,不进行深度分析。

    展开全文
  • 因为显示图片时,系统有可能根据控件的大小或其他因素对内存进行了优化,不确定因素太多),同时也不考虑使用三方库加载图片占用的内存,如glide、等三方图片库,三方库在加载图片的过程中有可能对图片进行了优化,会...
  • OSS提供了基本的图片处理功能和图片格式之间的转换功能,在实际使用过程中,很多用户使用OSS将原图缩略之后输出,在这个过程中也出现了很多用户询问为何缩略之后图片尺寸变大,如这个例子: 原图:...

    简介

    OSS提供了基本的图片处理功能和图片格式之间的转换功能,在实际使用过程中,很多用户使用OSS将原图缩略之后输出,在这个过程中也出现了很多用户询问为何缩略之后图片尺寸变大,如这个例子:

    原图:http://batchtest.oss-cn-hangzhou.aliyuncs.com/example1.png

    处理之后:http://batchtest.oss-cn-hangzhou.aliyuncs.com/example1.png?x-oss-process=image/resize,w_600

    原图经过OSS从640x427 缩放到 600x400之后size反而变大了很多,这是为什么呢?

    下面我们结合不同图片格式的一些特点分析一下为什么会出现这样的情况。

    格式对比

    图片目前是一种多种编码格式并存的情况。目前在网络上广泛使用的主流格式有JPEG、PNG和WEBP三种,其他的类似BMP、GIF、TIFF等使用较少,这里暂时不讨论。

    JPEG作为一种最常见的图片格式,出现的最早,几乎已经成为网络上的标准格式。但是在实际使用上有一个最大的问题,那就是不支持透明通道。

    PNG是一种无损压缩的图片格式,最大的优势是支持模式多,可以支持RGB、灰度、索引等各种格式,同时可以自由选择叠加透明通道或者指定透明背景颜色,因此在图片质量要求较高的时候或者需要支持透明通道的时候PNG是最好的选择。

    WEBP是Google大力推广的一种图片格式。WEBP作为一种现代图片格式,不仅运用了很多新的压缩方式,达到在同等效果下比JPEG减小很多尺寸,而且支持透明通道、无损压缩等之前只有PNG才支持的一些特性,因此在很多方面也得到了广泛的运用。

    三种格式的功能对比如下:

    image

    尺寸影响因素

    对于同一张片来说,使用JPEG和WEBP,尺寸影响因素除了图片长宽之外,最主要就是压缩的质量参数。但是对于PNG来说,影响的因素非常多。

    PNG的是无损压缩,基本原理是首先对图片使用差分编码,然后对编码之后的数据使用LZ77+Huffman编码进行压缩。因此PNG图片的大小受到以下这些因素的影响:

    • 图片内容:因为重复性内容多的PNG图片会导致无法充分的压缩,因此文件大小会很大。
    • 位深:PNG支持16bit和8bit的类型。
    • 色彩空间:PNG支持24bit的真彩色、8bit的灰度、8bit的索引图像等类型,因此视觉效果相同的图片文件大小会非常悬殊。
    • 透明通道:带透明通道的PNG图片会比不带的多出很多像素,另外,如果仅仅指定透明背景色对图片文件大小几乎无影响。

    下面会用结合实际遇到的一些例子来说明这些因素如何影响图片文件大小。

    例子1

    首先我们分析最开头遇到的这个例子。

    原图:http://batchtest.oss-cn-hangzhou.aliyuncs.com/example1.png

    处理之后:http://batchtest.oss-cn-hangzhou.aliyuncs.com/example1.png?x-oss-process=image/resize,w_600

    可见原图大小为127K,缩放之后为335K。

    这种问题调查首先要确定原图和缩放之后的一些详细信息,这里我们使用ImageMagicK这个工具集中的identify命令来查看对应的信息。工具官网见https://www.imagemagick.org/script/index.php

    这里使用的命令是identify -verbose xxx.png。

    原图的信息为:

     Format: PNG (Portable Network Graphics)
      Mime type: image/png
      Class: PseudoClass
      Geometry: 640x427+0+0
      Units: Undefined
      Type: Palette
      Endianess: Undefined
      Colorspace: sRGB
      Depth: 8-bit
      Channel depth:
        red: 8-bit
        green: 8-bit
        blue: 8-bit

    再看处理之后的图片信息:

    Format: PNG (Portable Network Graphics)
      Mime type: image/png
      Class: DirectClass
      Geometry: 600x400+0+0
      Units: Undefined
      Type: TrueColor
      Endianess: Undefined
      Colorspace: sRGB
      Depth: 8-bit
      Channel depth:
        red: 8-bit
        green: 8-bit
        blue: 8-bit

    这里可以看出区别,那就是原图的Type为Palette,处理之后的图片为TrueColor,这就是最大的差别,因为原图为索引类型,处理之后的图片为RGB真彩色,因此需要编码的像素点个数是索引类型的三倍,因此导致图片变大。

    这种类型是最常见的图片变大的原因,造成一种原因一个很重要的因素是使用了PNG优化工具如ImageAlpha等,这些工具会将真彩色的PNG图片降采样到256种颜色然后压缩成索引类型以减少图片大小,这是一个有损的过程。但是在缩放过程中,缩略的过程会根据原像素计算出新的像素值,因此缩放算法会导致结果图片生成的颜色数目超过256种从而无法压缩成索引图像。

    为了确定这一点,我们也可以使用identify工具来查看颜色数目:

    $ identify -verbose -unique http://batchtest.oss-cn-hangzhou.aliyuncs.com/example1.png?x-oss-process=image/resize,w_600  |grep Colors
      Colorspace: sRGB
      Colors: 27080
    $ identify -verbose -unique http://batchtest.oss-cn-hangzhou.aliyuncs.com/example1.png  |grep Colors
      Colorspace: sRGB
      Colors: 256

    可见颜色数目由256增长到了27080个。

    例子2

    原图:http://batchtest.oss-cn-hangzhou.aliyuncs.com/example2.png

    处理之后:http://batchtest.oss-cn-hangzhou.aliyuncs.com/example2.png?x-oss-process=image/resize,w_600

    原图大小为283K,处理之后大小为335K。

    首先还是按照上面一个例子的方法,检查一下图片格式信息。

    这是原图的:

      Format: PNG (Portable Network Graphics)
      Mime type: image/png
      Class: DirectClass
      Geometry: 640x427+0+0
      Units: Undefined
      Type: Palette
      Endianess: Undefined
      Colorspace: sRGB
      Depth: 8-bit
      Channel depth:
        red: 8-bit
        green: 8-bit
        blue: 8-bit

    这是处理之后的结果:

      Format: PNG (Portable Network Graphics)
      Mime type: image/png
      Class: DirectClass
      Geometry: 600x400+0+0
      Units: Undefined
      Type: TrueColor
      Endianess: Undefined
      Colorspace: sRGB
      Depth: 8-bit
      Channel depth:
        red: 8-bit
        green: 8-bit
        blue: 8-bit

    可见,两者的压缩类型是完全一致的,那是什么原因导致的问题呢?

    这里需要使用另外一个工具,pngthermal,链接见https://encode.ru/threads/1725-pngthermal-pseudo-thermal-view-of-PNG-compression-efficiency

    这个工具主要的功能是将PNG图片不同部分的压缩率使用可视化的方式展现出来,亮度越高的地方压缩率越低,我们针对两张图片用该工具分析的结果如下,上为原图,下为处理后图片:
    99106583A707EB41B11ECCC125C4F8C6

    BF0DD7BABC83E65DD239A01286BB665B

    可见同样视觉效果的图片,压缩率差别很大,说明处理前的图片细节上重复较多,一般来说都是由于颜色数目导致的。为了确定这一点,使用上个例子的工具检查颜色数目,可以同样确定原图为256种颜色,处理后变成了27080种颜色。

    其实本示例中的原图就是上一个例子的原图强制转换为RGB真彩色空间之后生成的。因为颜色只有256种,因此可供压缩的重复性信息较多,导致了处理后的图片比原图还大。

    实际应用中,有很多美工生成的素材图片使用的颜色并不多,因此导致压缩率比较高,缩放之后就会出现类似的情况。

    例子3

    原图:http://batchtest.oss-cn-hangzhou.aliyuncs.com/example3.png

    处理之后:http://batchtest.oss-cn-hangzhou.aliyuncs.com/example3.png?x-oss-process=image/format,webp

    这里的示例是一个PNG转WEBP,原图大小为760字节,处理之后变成了1.3K。

    首先还是使用identify工具查看两者的差别。

    这是原图的:

      Format: PNG (Portable Network Graphics)
      Mime type: image/png
      Class: DirectClass
      Geometry: 92x34+0+0
      Units: Undefined
      Type: GrayscaleAlpha
      Endianess: Undefined
      Colorspace: sRGB
      Depth: 8-bit
      Channel depth:
        gray: 8-bit
        alpha: 8-bit

    这是处理之后的:

      Format: PAM (Common 2-dimensional bitmap format)
      Mime type: image/x-portable-pixmap
      Class: DirectClass
      Geometry: 92x34+0+0
      Units: Undefined
      Type: PaletteAlpha
      Base type: TrueColor
      Endianess: Undefined
      Colorspace: sRGB
      Depth: 8-bit
      Channel depth:
        red: 8-bit
        green: 8-bit
        blue: 8-bit
        alpha: 8-bit

    这里可以看出一个非常明显的区别,原图是灰度图带上了透明通道,而处理之后的图片是RGB再带上透明通道。

    原因是Webp并不支持灰度图带上透明通道这种类型,带上透明通道就将格式固定成了RGBA格式。因此导致了要保存的数据变大。

    总结

    从上文的例子可以看出,影响图片文件大小的因素很多,这里仅简单的列举了几个在应用中经常遇到的因素。

    • 例子1:索引类型PNG缩略之后变成RGB类型PNG,像素增多导致文件变大。
    • 例子2:颜色数目较小的PNG图片缩略之后颜色数目变多,压缩率下降导致文件变大。
    • 例子3:带透明通道的灰度PNG转换成WEBP之后变成RGBA格式,像素增多导致文件变大。

    可以看到大部分和预期结果不符合的都是PNG格式的图片。

    一般来说,同样视觉效果的图片文件大小,webp<jpeg<png。但是PNG支持的编码类型非常的灵活,可以根据实际应用的需求自由调整,网上也有很多优化PNG图片大小的工具,因此往往出现图片处理之后破坏了优化效果,导致处理之后反而文件变大的情况。因此这里建议使用PNG图片上有体积大小要求的场景把体积优化放在最后一步,最好保存多份不同分辨率的PNG素材以供调用,不要对图片处理之后的图片文件大小有强预期。如果碰到了图片文件大小上的问题,也可以使用本文介绍的工具自己手动进行分析。

    这里最后再补充一个Google给出的图片使用格式的建议作为结束:

    3BDF58995EDC3EB802ED84BB1D33F5C1

    展开全文
  • 协方差分析 如果在单因素、双因素或多因素试验中有无法控制的因素x影响试验的结果Y,且x可以测量、x与Y之间又有显著的线性回归时,常常利用线性回归来矫正Y的观测值、消去x的差异对Y的影响。 例如,研究施肥对苹果树...

    EverydayOneCat

    📦🙀正方?圓滾?

    🛏️💤🐈💨

    img

    知识点

    1.笔记

    image-20200715180412598

    2.两个正态总体的检验

    例:某小麦品种经过4代选育,从第5代和第6代中分别抽出10株得到它们株高的观测值分别为66,65,66,68,62,65,63,66,68,62和64,61,57,65,65,63,62,63,64,60,试检验株高这一性状是否已达到稳定(α=0.05)?

    思路:先检验方差后检验均值

    SAS代码:

    data ex;
    input c$ x@@; 
    cards; 
    a 66 a 65 a 66 a 68 a 62 a 65 a 63 a 66 a 68 a 62
    b 64 b 61 b 57 b 65 b 65 b 63 b 62 b 63 b 64 b 60
    ;
    proc ttest;class c;var x;
    run;
    

    ttest表示T检验,检验两个水平的,每个水平的都符合正态分布。
    class表示分类变量(属性)

    先看方差检验image-20200714152255750

    Pr>F概率大于0.05,接受原假设H0:方差相等

    再看均值检验image-20200714152736104

    T检验概率比0.05小,拒绝原假设,认为两均值不等,第五代和第六代株高有显著性差异,说明株高性状没有达到稳定。

    3.两组样本非参数检验

    非参数检验(non-parametric test)又称为分布自由检验,一种与总体分布状况无关的检验方法,它不依赖于总体分布的形式。

    3.1配对样本数据符号检验法

    例1 甲乙两人分析同一物质中某成份的含量,得到观测数据(单位:g)为
    甲14.7,15.0,15.2,14.8,15.5,14.6,14.9,14.8,15.1,15.0
    乙14.6,15.1,15.4,14.7,15.2,14.7,14.8,14.6,15.2,15.0
    试在显著性水平为0.05时用符号检验法检验两人的分析无显著差异.

    SAS代码:

    data ex; /*ex为数据名*/
    input x1 x2 @@;
    y=x1-x2; /*y用于存放x1和x2的差值*/
    cards; /*数据卡*/
    14.7 14.6 15.0 15.1 15.2 15.4 14.8 14.7 15.5
    15.2 14.6 14.7 14.9 14.8 14.8 14.6 15.1 15.2
    15.0 15.0
    ;
    proc univariate;/*proc univariate表示调用模块
    univariate*/
    var y; /*var y表示调用变量y*/
    run; /*执行命令*/
    

    image-20200714154944835

    结果分析: 由Tests for Location: Mu0=0表可知,M(Sign)的值为05,pr>M的值为1.00>0.05,未落在拒绝域里,故接受原假设H,认为两人的分析无显著差异。

    3.2总体中位数的符号检验法

    为了判断某个总体的中位数是否与已知数m有显著的差异

    例2 试验品种猪在17个试验点的月增重(单位:kg)见表:image-20200714155348649

    试问,月增重与35是否有显著性差异?

    SAS代码:

    data ex;
    input x @@;
    y=x-35; /*x的值与35的差值作为观测变量值*/
    cards;
    51 40 43 48 23 26 30 34
    25 40 41 39 42 40 43 30
    34
    ;
    proc univariate;var y;
    run;
    
    image-20200714155427479

    结果分析:M(Sign)的值为1.5,Pr >= |M|值为0.6291>0.05,故未落在拒绝域里,因此接受原假设,认为该品种猪月增重的中位数与35无显著差异。

    3.3成组样本数据的秩和检验法

    例3 测定两个马铃薯品种的淀粉含量(%),得到A品种的观测值为12.6, 12.4,B品种的观测值为12.4,12.1,12.5,12.7,12.6,13.1试在显著性水平为0.05时用秩和检验法检验两品种的淀粉含量无显著差异。

    这里一个2个一个6个不是一一配对,我们用到秩和检验法。

    SAS代码:

    data ex;
    do a=1 to 2;
    	input n @@;/*a因素有两个水平,由于每个水平样本个数不等,故先输入表示样本个数的变量n*/
    	do i=1 to n;input x @@;/*每个水平样本从1输到n,再输入数据x*/
    		output;
    	end;
    end; /*计算公式两连加号*/
    cards;
    2 12.6 12.4
    6 12.4 12.1 12.5 12.7 12.6 13.1
    ;
    proc npar1way wilcoxon;
    /*调用模块npar1way,数据对因素a的秩和检验模型*/
    class a;
    var x;
    run;
    

    image-20200714160526073

    结果分析:

    Kruskal-Wallis Test这一部分,自由度DF为1,Chi-Square value 为Chi-Square且Prob > Chi-Square 为0.7358>0.05,接受原假设H0,认为两品种的淀粉含量没有显著性差异,淀粉含量相同。

    4.单因素方差分析

    例4《切胚乳试验》用小麦种子进行切胚乳试验,设计分3种处理,同期播种在条件较为一致的花盆内,出苗后每盆选留2株,成熟后测量每株粒重(单位:g),得到数据如下:

    处理每株粒重
    未切去胚乳21,29,24,22,25,30,27,26
    切去一半胚乳20,25,25,23,29,31,24,26,20,21
    切去全部胚乳24,22,28,25,21,26

    分析粒重和处理方式是否有关。

    SAS代码:

    data ex;do a=1 to 3;input n @@;
    do i=1 to n; input x @@;
    Output;end;end;
    Cards;
    8 21 29 24 22 25 30 27 26
    10 20 25 25 23 29 31 24 26 20 21
    6 24 22 28 25 21 26
    ;
    proc anova; class a;model x=a;
    means a/duncan;run;
    

    image-20200715103902339

    根据此做出来表格:

    image-20200715104517660

    F值为0.32,Pr>F概率大于0.05,接受原假设:均值相等

    image-20200715104323739

    都归属于A类,没有显著性差异,认为不同的处理方式对粒重并无明显影响。

    5.双因素方差分析

    5.1不考虑交互作用

    image-20200715110419416

    SAS代码:

    data ex;do a=1 to 4;do b=1 to 5;
    input x @@;output;end;end;
    cards;
    53 56 45 52 49 47 50 47 47 53 57 63 54 57 58 45 52
    42 41 48
    ;
    proc anova;class a b;model x=a b;
    means a/duncan;means b/duncan;run;
    
    image-20200715110558984 image-20200715111320460 image-20200715110916972 image-20200715111025910

    5.2考虑交互作用

    image-20200715112115832

    要是研究交互作用,每个交叉处至少有两个值。

    data ex;do a=1 to 4;do b=1 to 3;do i=1 to 2;
    input x @@;output;end;end;end;
    cards;
    58.2 52.6 56.2 41.2 65.3 60.8
    49.1 42.8 54.1 50.5 51.6 48.4
    60.1 58.3 70.9 73.2 39.2 40.7
    75.8 71.5 58.2 51 48.7 41.4
    ;
    proc anova;class a b;model x=a b a*b;
    means a/duncan;means b/duncan;run;
    
    image-20200715112400052 image-20200715114515316

    6.多组独立样本的非参数检验

    多组独立样本的H检验法(又称为Kruskal -Wallis单向秩次方差分析法),是检验多组独立样本是否来自同分布总体最常用、功效最强的非参数检验方法。

    例 用3种不同的药剂处理水稻种子,发芽后观测到苗高(单位:cm)的观测值如下,试作单向秩次方差分析。

    image-20200715143801902
    data ex;do a=1 to 3;
    do i=1 to 4;input x @@;
    output;end;end;
    cards;
    21 24 27 20 20 18 19 15 22 25 27 22
    ;
    proc npar1way wilcoxon;
    /*参数第一种方式检验*/
    class a;var x;run;
    

    7.独立性检验

    image-20200715144143257

    原假设H0:是否使用预防措施与患感冒情况相互独立。

    编写程序如下:

    data ex;do a=1 to 2;do b=1 to 3; /*两行三列*/
    input f @@;output;end;end; /*输入样本数*/
    cards;
    224 136 140 252 145 103
    ;
    proc freq;weight f;
    tables a*b/chisq; /*chisq表示检验*/
    run;
    

    image-20200715144301276

    第二部分Statistics for Table of a by b才是检验结果。其中主要看Chi-Square(卡方)这一行,其自由度为2,χ2(Chi-Square value)=7.5691,且Prob值为0.0227<0.05,故落在拒绝域,接受备择假设,即预防与感冒这两因素之间不是相互独立的,即措施对患感冒是有关系的。

    8.协方差分析

    如果在单因素、双因素或多因素试验中有无法控制的因素x影响试验的结果Y,且x可以测量、x与Y之间又有显著的线性回归时,常常利用线性回归来矫正Y的观测值、消去x的差异对Y的影响。

    例如,研究施肥对苹果树产量的影响,由于苹果树的长势不齐,必须消去长势对产量的影响。又如,研究饲料对动物增重的影响,由于动物的初重不同,必须消去初重对增重的影响。

    8.1单因素协方差分析

    image-20200715174111343

    SAS代码:

    data ex; do a=1 to 3;do i=1 to 8;
    input x y @ @;output ;end;end;
    cards;
    47 54 58 66 53 63 46 51 49 56 56 66 54 61 44 50 52 54 53 53 64 67
    58 62 59 62 61 63 63 64 66 69 44 52 48 58 46 54 50 61 59 70 57
    64 58 69 53 66
    ;
    proc glm;class a;model y=x a/solution;
    lsmeans a/stderr pdiff;run;
    

    image-20200715174445521

    image-20200715174512111

    x对应的Pr>F概率小于0.05,拒绝原假设H0:x对y没有影响,说明x差异显著,所以我们要把x差异性抹掉。

    image-20200715174737275

    施用三种肥料的产量矫正后有极显著的差异(有影响)。

    8.2双因素协方差分析

    8.2.1不考虑交互作用

    image-20200715175212450
    data ex;do a=1 to 3 ;do b=1 to 5 ;
    input x y @ @;output; end; end;
    cards;
    8 2.85 10 4.24 12 3.00 11 4.94 10 2.88
    10 3.14 12 4.50 7 2.75 12 5.84 10 4.06
    12 3.88 10 3.86 9 2.82 10 4.94 9 2.89
    ;
    proc glm;class a b ;model y=x a b/solution;
    lsmeans a b/stderr pdiff;run;
    
    image-20200715175244959

    x对应的Pr>F概率小于0.05,差异性显著,所以要抹除x的影响。
    a对应的Pr>F概率大于0.05,说明不同的小区对产量没有影响。

    image-20200715175611804

    各小区的产量矫正后没有显著的差异,各品种的产量矫正后有极显著的差异。

    8.2.2考虑交互作用

    image-20200715175724633
    data ex; do a=1 to 4; do b=1 to 2;
    do i=1 to 2;input x y@@;output;end;end;end;
    cards;
    14.6 97.8 12.1 94.2 19.5 113.2 18.8
    110.1 13.6 100.3 12.9 98.5 18.5 119.4
    18.2 114.7 12.8 99.2 10.7 89.618.2
    122.2 16.9 105.3 12.0 102.1 12.4 103.8
    16.4 117.2 17.2 117.9
    proc glm; class a b;model y=x a b
    a*b/solution;lsmeans a b/stderr pdiff;
    run;
    
    image-20200715175830047 image-20200715175844475

    A与B的交互作用矫正后不显著,促生长剂之间的差异极显著,试验批次间的差异不显著

    作业

    期货交易数据主要来源于某商品交易所,包括某水果期货上市以来的换手率、涨跌幅度、保证金、交易手续费、当日平仓手续费等,其它数据如灾害性天气状况等来源于网络资料。

    换手率是期货表现热度的晴雨表,一般来讲,换手率越高,表明该产品越受到消费者青睐。请你查阅相关文献,研究本数据表,通过建立数学模型或统计分析方法,回答下列问题。

    1. 研究换手率的变化规律。

    2. 研究哪些因素对换手率是有影响的,哪些是没有影响的。

    3. 保证金、手续费、当日平仓、是否有灾害天气、是否消费旺季这几个影响因素之间是否有关联?

    数据下载地址:

    https://pluto-1300780100.cos.ap-nanjing.myqcloud.com/download/%E7%AC%AC9%E6%AC%A1%E4%BD%9C%E4%B8%9A%E6%95%B0%E6%8D%AE.xlsx

    1.第一问

    研究数据的变化规律我们主要从数据的周期、数据的趋势、数据的随机性、以及数据内部的传递性四个方面来研究

    编写SAS代码:

    data a;
    input x@@;
    time=_n_;
    cards;
    1.9393939 
    1.5531915 
    0.4479495 
    0.1027190 
    0.1460055 
    0.0303030 
    0.0027624 
    0.0217984 
    0.0189189 
    0.1195652 
    0.0803109 
    0.0401003 
    0.0148883 
    0.1724138 
    0.0722101 
    0.4933862 
    0.3757030 
    0.6139410 
    0.2022090 
    0.5193165 
    0.1047904 
    0.4113009 
    0.2120098 
    0.6241173 
    0.4927114 
    0.5597057 
    0.5261997 
    0.4409524 
    0.9422921 
    0.4413395 
    0.6832524 
    0.3633678 
    0.3216830 
    0.3055872 
    0.3648144 
    0.3870395 
    0.2108352 
    0.1683833 
    0.2786482 
    0.1587838 
    0.1848568 
    0.3312333 
    0.5001322 
    0.3252688 
    0.4822900 
    0.3515249 
    0.4836197 
    0.3796296 
    0.2374334 
    0.2439367 
    0.1602456 
    0.2312500 
    0.8488216 
    0.8472093 
    1.0440485 
    0.9208815 
    0.9387877 
    1.1929144 
    1.7572786 
    0.9151355 
    1.2559558 
    1.1759934 
    1.7465747 
    2.4862373 
    2.4405618 
    3.4839917 
    5.7556963 
    3.3591598 
    3.3471258 
    6.5572674 
    3.8542786 
    4.4468939 
    4.4002278 
    4.6747778 
    4.2003163 
    5.2316854 
    6.1956928 
    9.2880570 
    5.2759323 
    5.6891960 
    3.5593666 
    1.9292312 
    2.6713994 
    1.8885801 
    1.8040694 
    1.7526615 
    2.0106814 
    1.6252591 
    1.8017329 
    1.4488495 
    1.2168779 
    2.0032830 
    1.1555587 
    1.0751166 
    2.2721227 
    1.6036624 
    2.0975010 
    1.9572098 
    1.6813667 
    1.5758161 
    1.9966546 
    2.4764227 
    2.8488007 
    2.6637306 
    2.8162721 
    2.6001077 
    1.5894797 
    2.1950105 
    1.6263468 
    1.8976734 
    1.6096398 
    1.5009201 
    1.5783214 
    1.3981174 
    1.1690259 
    0.9194704 
    1.0540232 
    1.1763860 
    1.5252878 
    1.1742093 
    3.8136751 
    2.0073488 
    2.7448852 
    1.7984086 
    1.9759923 
    1.5409623 
    2.3586512 
    1.4594724 
    1.3989078 
    1.2159621 
    1.4583811 
    1.5540499 
    1.4569306 
    1.7132759 
    1.8280245 
    2.4647509 
    2.1774181 
    2.0933134 
    1.4973353 
    1.2432843 
    1.5350945 
    1.3863774 
    1.5953973 
    1.8658197 
    2.7395673 
    1.8784120 
    1.7965255 
    2.8155407 
    2.3215706 
    1.8111513 
    1.6633678 
    1.5670568 
    1.9503250 
    1.6817802 
    1.6820488 
    2.3459841 
    1.7021874 
    1.6720504 
    1.5629485 
    1.1998658 
    1.1092371 
    1.5260981 
    1.3209728 
    1.2159580 
    1.2582135 
    1.0660533 
    2.2136745 
    1.0290641 
    1.1133371 
    2.0062529 
    1.1895146 
    2.0715051 
    1.7548775 
    1.0554558 
    1.1839372 
    1.3777651 
    1.0361367 
    2.0423229 
    2.0586479 
    2.3740129 
    1.6712147 
    1.7715363 
    2.3964418 
    1.3733103 
    1.3112867 
    1.3697364 
    1.1895383 
    2.5241314 
    1.2212908 
    1.6053514 
    0.9989995 
    1.2968232 
    1.3770413 
    0.9131243 
    1.4921420 
    0.9540247 
    1.0605178 
    0.7622555 
    0.8025549 
    1.0871273 
    0.8945853 
    0.7594745 
    1.3254880 
    0.5804381 
    0.4918341 
    0.6856156 
    0.7278238 
    0.3679483 
    0.7141156 
    0.6593457 
    0.8554738 
    0.9600813 
    0.5534354 
    0.6820879 
    0.5855344 
    0.3507366 
    0.3299955 
    0.4699115 
    0.2322538 
    0.2629292 
    0.1586035 
    0.4082599 
    0.4575238 
    0.2716628 
    0.1468593 
    0.6918954 
    0.3657791 
    0.4294517 
    0.2246681 
    0.4752675 
    0.2789720 
    0.7303103 
    8.6850394 
    1.1205674 
    0.3065134 
    0.3596491 
    0.2870370 
    0.0970874 
    0.0920245 
    0.1953125 
    0.2035398 
    0.3000000 
    ;
    proc gplot;
    plot x*time;
    symbol c=black i=join v=star;
    proc arima;
    identify var=x;
    run;
    

    得到时序图:

    image-20200715150428236

    从图中我们可以看出数据大致可以判断为是不具有周期性波动的,且数据波动性较大,故初步判断该数据不是平稳的。然而由于根据时序图的判断严谨性不高,于是根据自相关图进行进一步的判断。

    image-20200715150611312

    随着时间平移长度的增大,自相关系数的数值的变化并未呈周期性变化。从图片右半边的表示自相关系数的图也可以看出:自相关系数并不是是呈周期性波动。综合时序图的分析以及自相关图的分析,得到以下结论:该数据并不具有周期性且不平稳。

    由于原始数据不具有平稳性我们需要对原始数据进行差分运算,故对原始数据进行一阶差分运算并且需要对运算后得出的数据进行平稳性检验,检验结果如下。

    image-20200715155227846

    将数据一阶差分后按照月份做出来的时序图,从图中我们可以看出运算后数据大致可以判断为是在一条水平线上下波动,故初步判断该序列是平稳的。然而由于根据时序图的判断严谨性不高,于是根据自相关图进行进一步的判断。

    image-20200715155251970

    在时间平移长度较小时,自相关系数的数值较大,当时间平移长度扩大时,自相关系数的数值总体来说是在逐渐趋近于0,由此可以得出自相关系数具有拖尾性。从图片右半边的表示自相关系数的图也可以看出:自相关系数在0.0 这条线的左右波动。综合时序图的分析以及自相关图的分析,得到以下结论:该数据具有平稳性。由于通过一阶差分使得数据平稳,故该数据中具有线性趋势。

    已知该序列在进行差分运算后是平稳的,要选择选择适当模型拟合该序列的发展还需要证明该序列在差分运算后是非白噪声的。白噪声检
    验结果如下。

    image-20200715155341570

    延迟6 期、延迟12 期、延迟18 期、延迟24 期的p值分别为<.0001、<.0001、<.0001、0.0005,都远小于0.05,故拒绝原假设,数据之间存在相关性,该数据在差分运算后是非白噪声的,故该数据不具有随机波动。

    综合以上分析,得出以下结论:换手率的变化不具有周期性,具有线性趋势,数据内部具有相关性,不具有随机波动。

    2.第二问

    第二问要求对换手率有影响的因素,要研究的是变量和多个分类变量之间的关系,因此选择应用多组独立样本的H检验法进行研究。

    SAS代码:

    data ex;
    input x a b c d e@@;
    cards;
    1.9393939 	0.07	0.5	0	0	0
    1.5531915 	0.07	0.5	0	0	0
    0.4479495 	0.07	0.5	0	0	0
    0.1027190 	0.07	0.5	0	0	0
    0.1460055 	0.07	0.5	0	0	0
    0.0303030 	0.07	0.5	0	0	0
    0.0027624 	0.07	0.5	0	0	0
    0.0217984 	0.07	0.5	0	0	0
    0.0189189 	0.07	0.5	0	0	0
    0.1195652 	0.07	0.5	0	0	0
    0.0803109 	0.07	0.5	0	0	0
    0.0401003 	0.07	0.5	0	0	0
    0.0148883 	0.07	0.5	0	0	1
    0.1724138 	0.07	0.5	0	0	1
    0.0722101 	0.07	0.5	0	0	1
    0.4933862 	0.07	0.5	0	0	1
    0.3757030 	0.07	0.5	0	0	1
    0.6139410 	0.07	0.5	0	0	1
    0.2022090 	0.07	0.5	0	0	1
    0.5193165 	0.07	0.5	0	0	1
    0.1047904 	0.07	0.5	0	0	1
    0.4113009 	0.07	0.5	0	0	1
    0.2120098 	0.07	0.5	0	0	1
    0.6241173 	0.07	0.5	0	0	1
    0.4927114 	0.07	0.5	0	0	1
    0.5597057 	0.07	0.5	0	0	1
    0.5261997 	0.07	0.5	0	0	1
    0.4409524 	0.07	0.5	0	0	0
    0.9422921 	0.07	0.5	0	0	0
    0.4413395 	0.07	0.5	0	1	0
    0.6832524 	0.07	0.5	0	0	0
    0.3633678 	0.07	0.5	0	0	0
    0.3216830 	0.07	0.5	0	0	0
    0.3055872 	0.07	0.5	0	0	0
    0.3648144 	0.07	0.5	0	0	0
    0.3870395 	0.07	0.5	0	0	0
    0.2108352 	0.07	0.5	0	0	0
    0.1683833 	0.07	0.5	1	0	0
    0.2786482 	0.07	0.5	1	0	0
    0.1587838 	0.07	0.5	1	0	0
    0.1848568 	0.07	0.5	1	0	0
    0.3312333 	0.07	0.5	1	0	0
    0.5001322 	0.07	0.5	1	0	0
    0.3252688 	0.07	0.5	1	0	0
    0.4822900 	0.07	0.5	1	0	0
    0.3515249 	0.07	0.5	1	0	0
    0.4836197 	0.07	0.5	1	0	0
    0.3796296 	0.07	0.5	1	0	0
    0.2374334 	0.07	0.5	1	0	0
    0.2439367 	0.07	0.5	1	0	0
    0.1602456 	0.07	0.5	1	0	0
    0.2312500 	0.07	0.5	1	0	0
    0.8488216 	0.07	0.5	1	1	0
    0.8472093 	0.07	0.5	1	0	0
    1.0440485 	0.07	0.5	1	0	0
    0.9208815 	0.07	0.5	1	0	0
    0.9387877 	0.07	0.5	1	0	0
    1.1929144 	0.07	0.5	1	0	0
    1.7572786 	0.07	0.5	1	0	0
    0.9151355 	0.07	0.5	1	0	0
    1.2559558 	0.07	0.5	1	0	0
    1.1759934 	0.07	0.5	1	0	0
    1.7465747 	0.07	0.5	1	0	0
    2.4862373 	0.07	0.5	1	0	0
    2.4405618 	0.07	0.5	1	0	0
    3.4839917 	0.07	0.5	1	0	0
    5.7556963 	0.07	0.5	1	0	0
    3.3591598 	0.07	0.5	1	0	0
    3.3471258 	0.07	0.5	1	0	0
    6.5572674 	0.07	0.5	1	0	0
    3.8542786 	0.07	0.5	1	0	0
    4.4468939 	0.07	0.5	1	0	0
    4.4002278 	0.07	0.5	1	0	0
    4.6747778 	0.07	0.5	1	0	0
    4.2003163 	0.07	0.5	1	0	0
    5.2316854 	0.07	0.5	1	0	0
    6.1956928 	0.07	0.5	1	1	0
    9.2880570 	0.07	0.5	1	0	0
    5.2759323 	0.07	0.5	3	0	0
    5.6891960 	0.07	0.5	3	0	0
    3.5593666 	0.07	0.5	3	0	0
    1.9292312 	0.07	0.5	20	0	0
    2.6713994 	0.07	0.5	20	0	0
    1.8885801 	0.07	0.5	20	0	0
    1.8040694 	0.07	0.5	20	0	0
    1.7526615 	0.07	0.5	20	0	0
    2.0106814 	0.07	0.5	20	1	0
    1.6252591 	0.07	0.5	20	0	0
    1.8017329 	0.07	0.5	20	0	0
    1.4488495 	0.07	0.5	20	0	0
    1.2168779 	0.07	0.5	20	0	0
    2.0032830 	0.07	0.5	20	0	0
    1.1555587 	0.07	0.5	20	0	0
    1.0751166 	0.07	0.5	20	0	0
    2.2721227 	0.07	0.5	20	0	0
    1.6036624 	0.07	0.5	20	0	0
    2.0975010 	0.07	0.5	20	0	0
    1.9572098 	0.07	0.5	20	1	0
    1.6813667 	0.09	10	20	0	0
    1.5758161 	0.09	10	20	0	0
    1.9966546 	0.09	10	20	0	0
    2.4764227 	0.09	10	20	0	0
    2.8488007 	0.09	20	20	0	0
    2.6637306 	0.09	20	20	0	0
    2.8162721 	0.09	20	20	0	0
    2.6001077 	0.09	20	20	0	0
    1.5894797 	0.09	20	20	0	0
    2.1950105 	0.11	20	20	1	0
    1.6263468 	0.11	20	20	0	0
    1.8976734 	0.11	20	20	0	0
    1.6096398 	0.11	20	20	0	0
    1.5009201 	0.11	20	20	0	0
    1.5783214 	0.11	20	20	0	0
    1.3981174 	0.11	20	20	0	0
    1.1690259 	0.11	20	20	0	0
    0.9194704 	0.11	20	20	0	0
    1.0540232 	0.11	20	20	0	0
    1.1763860 	0.11	20	20	0	0
    1.5252878 	0.11	20	20	0	0
    1.1742093 	0.11	20	20	0	0
    3.8136751 	0.11	20	20	0	0
    2.0073488 	0.11	20	20	0	0
    2.7448852 	0.11	20	20	0	0
    1.7984086 	0.11	20	20	0	0
    1.9759923 	0.11	20	20	0	0
    1.5409623 	0.11	20	20	0	0
    2.3586512 	0.11	20	20	0	0
    1.4594724 	0.11	20	20	0	0
    1.3989078 	0.11	20	20	0	0
    1.2159621 	0.11	20	20	0	0
    1.4583811 	0.11	20	20	0	0
    1.5540499 	0.11	20	20	0	0
    1.4569306 	0.11	20	20	0	0
    1.7132759 	0.11	20	20	0	0
    1.8280245 	0.11	20	20	0	0
    2.4647509 	0.11	20	20	0	0
    2.1774181 	0.11	20	20	0	0
    2.0933134 	0.11	20	20	0	0
    1.4973353 	0.11	20	20	0	0
    1.2432843 	0.11	20	20	0	0
    1.5350945 	0.11	20	20	0	0
    1.3863774 	0.11	20	20	0	0
    1.5953973 	0.11	20	20	0	0
    1.8658197 	0.11	20	20	0	0
    2.7395673 	0.11	20	20	0	0
    1.8784120 	0.11	20	20	0	0
    1.7965255 	0.11	20	20	0	0
    2.8155407 	0.11	20	20	0	0
    2.3215706 	0.11	20	20	0	0
    1.8111513 	0.11	20	20	0	0
    1.6633678 	0.11	20	20	0	0
    1.5670568 	0.11	20	20	0	0
    1.9503250 	0.11	20	20	0	0
    1.6817802 	0.11	20	20	0	0
    1.6820488 	0.11	20	20	0	0
    2.3459841 	0.11	20	20	0	0
    1.7021874 	0.11	20	20	0	0
    1.6720504 	0.11	20	20	0	0
    1.5629485 	0.11	20	20	0	0
    1.1998658 	0.11	20	20	0	0
    1.1092371 	0.11	20	20	0	0
    1.5260981 	0.11	20	20	0	0
    1.3209728 	0.11	20	20	0	0
    1.2159580 	0.11	20	20	0	0
    1.2582135 	0.11	20	20	0	0
    1.0660533 	0.11	20	20	0	0
    2.2136745 	0.11	20	20	0	0
    1.0290641 	0.11	20	20	0	0
    1.1133371 	0.11	20	20	0	0
    2.0062529 	0.11	20	20	0	0
    1.1895146 	0.11	20	20	0	0
    2.0715051 	0.11	20	20	0	0
    1.7548775 	0.11	20	20	0	0
    1.0554558 	0.11	20	20	0	1
    1.1839372 	0.11	20	20	0	1
    1.3777651 	0.11	20	20	0	1
    1.0361367 	0.11	20	20	0	1
    2.0423229 	0.11	20	20	0	1
    2.0586479 	0.11	20	20	0	1
    2.3740129 	0.11	20	20	0	1
    1.6712147 	0.11	20	20	0	1
    1.7715363 	0.11	20	20	0	1
    2.3964418 	0.11	20	20	0	1
    1.3733103 	0.11	20	20	0	1
    1.3112867 	0.11	20	20	0	1
    1.3697364 	0.11	20	20	0	1
    1.1895383 	0.11	20	20	0	1
    2.5241314 	0.11	20	20	0	1
    1.2212908 	0.11	20	20	0	1
    1.6053514 	0.11	20	20	0	1
    0.9989995 	0.11	20	20	0	1
    1.2968232 	0.11	20	20	0	1
    1.3770413 	0.11	20	20	0	1
    0.9131243 	0.11	20	20	0	1
    1.4921420 	0.11	20	20	0	1
    0.9540247 	0.11	20	20	0	1
    1.0605178 	0.11	20	20	0	1
    0.7622555 	0.11	20	20	0	1
    0.8025549 	0.11	20	20	0	1
    1.0871273 	0.11	20	20	0	1
    0.8945853 	0.11	20	20	0	1
    0.7594745 	0.11	20	20	0	1
    1.3254880 	0.15	20	20	0	1
    0.5804381 	0.15	20	20	0	1
    0.4918341 	0.15	20	20	0	1
    0.6856156 	0.15	20	20	0	1
    0.7278238 	0.15	20	20	0	1
    0.3679483 	0.15	20	20	0	1
    0.7141156 	0.15	20	20	0	1
    0.6593457 	0.15	20	20	0	1
    0.8554738 	0.15	20	20	0	1
    0.9600813 	0.15	20	20	0	1
    0.5534354 	0.15	20	20	0	1
    0.6820879 	0.2	20	20	0	0
    0.5855344 	0.2	20	20	0	0
    0.3507366 	0.2	20	20	0	0
    0.3299955 	0.2	20	20	0	0
    0.4699115 	0.2	20	20	0	0
    0.2322538 	0.2	20	20	0	0
    0.2629292 	0.2	20	20	0	0
    0.1586035 	0.2	20	20	0	0
    0.4082599 	0.2	20	20	0	0
    0.4575238 	0.2	20	20	0	0
    0.2716628 	0.2	20	20	0	0
    0.1468593 	0.2	20	20	0	0
    0.6918954 	0.2	20	20	0	0
    0.3657791 	0.2	20	20	0	0
    0.4294517 	0.2	20	20	0	0
    0.2246681 	0.2	20	20	0	0
    0.4752675 	0.2	20	20	0	0
    0.2789720 	0.2	20	20	0	0
    0.7303103 	0.2	20	20	0	0
    8.6850394 	0.2	20	20	0	0
    1.1205674 	0.2	20	20	0	0
    0.3065134 	0.2	20	20	0	0
    0.3596491 	0.2	20	20	0	0
    0.2870370 	0.2	20	20	0	0
    0.0970874 	0.2	20	20	0	0
    0.0920245 	0.2	20	20	0	0
    0.1953125 	0.2	20	20	0	0
    0.2035398 	0.2	20	20	0	0
    0.3000000 	0.2	20	20	0	0
    ;
    proc npar1way wilcoxon;class a;var x;
    proc npar1way wilcoxon;class b;var x;
    proc npar1way wilcoxon;class c;var x;
    proc npar1way wilcoxon;class d;var x;
    proc npar1way wilcoxon;class e;var x;
    run;
    

    最后得到如下结果:(按abcde排序)

    image-20200715153010791image-20200715153022633image-20200715153030832image-20200715153042717image-20200715153048345

    可以做成如下表格:

    保证金因素手续费因素当日平仓因素是否有灾害天气因素是否消费旺季因素
    Chi-Square65.68847.943729.39562.16236.6572
    DF42211
    Pr > Chi-Square<.00010.0188<.00010.14140.0099

    可以看出保证金因素、手续费因素、当日平仓因素、是否消费旺季因素这四个因素的P值均小于0.05,落在拒绝域中,拒绝原假设,认为样本分布与换手率的样本分布不同,因此认为以上四个因素对换手率没有显著的影响;而是否有灾害天气因素的P值为0.1414大于0.05,接受原假设,认为认为样本分布与换手率的样本分布相同,因此认为是否有灾害天气因素对换手率有显著的影响。

    3.第三问

    第三问要求的是多个分类变量之间的关系,因此选用独立性检验来研究变量之间的关系。

    SAS代码:

    data ex;
    input x a b c d e@@;
    cards;
    /*与上面数据相同*/
    ;
    proc freq;
    tables a*b/chisq;
    tables a*c/chisq;
    tables a*d/chisq;
    tables a*e/chisq;
    tables b*c/chisq;
    tables b*d/chisq;
    tables b*e/chisq;
    tables c*d/chisq;
    tables c*e/chisq;
    tables d*e/chisq;
    run;
    

    image-20200715154414939

    得到很多表,综合下来我们做出一张表:

    image-20200715154840320

    保证金和手续费之间自由度为8,χ2 (Chi-Square value)=345.7143,且Prob值<0.0001<0.05,故落在拒绝域,接受备择假设,即保证金和手续费这两因素之间不是相互独立的,即保证金对手续费是有关系的,同理可知,保证金和当日平仓,保证金和是否消费旺季,手续费和当日平仓,手续费和是否消费旺季,当日平仓和是否消费旺季这些因素的Prob值均小于0.05,故落在拒绝域,接受备择假设,所以认为这些因素之间不是相互独立的,即保证金和对当日平仓,保证金对是否消费旺季,手续费对当日平仓,手续费对是否消费旺季都是有关系的,相反可以知道,保证金和是否有灾害天气,手续费和是否有灾害天气,当日平仓和是否有灾害天气,是否有灾害天气和是否消费旺季这些因素的Prob值均大于0.05,故落在接受域,接受原假设,所以认为这些因素之间是相互独立的,即保证金对是否有灾害天气,手续费对是否有灾害天气,当日平仓对是否有灾害天气,是否有灾害天气对是否消费旺季是没有影响的。

    结语

    溃疡好了,👴没理由再偷懒了,555555555

    展开全文
  • 影响版面大小因素

    2012-01-18 15:20:25
    锦绣:今天,俺们主任说了…… 源明:你们主任又怎么了?...锦绣:其实,就是影响报表版面大小的几个因素呗 源明:你说说 锦绣:1、行高和列宽  2、调整字号  3、减少页边距   源明:要是还打不下哩?
  • 亚马逊排名的影响因素有哪些?

    千次阅读 2020-08-11 09:09:22
    今天依旧跟大家分享的是关于亚马逊的排名问题,我们之前跟大家分享过,关于亚马逊的很多影响因素和注意事项,还有如何打造爆款listing之类的,今天跟大家分享的是亚马逊的排名的具体知识! 那么,亚马逊的搜索排名...
  • 在一个网站或者app中,推荐系统通常会和整个大系统的多个方面有交互,推荐系统本身也有很多的组成部分,再加上整个系统所处的大环境,综合起来会有很多因素影响着一个推荐系统最终效果的好坏,这里的效果指的是包括...
  • 1.列出可能影响最终重建效果的因素和一些想法(比较乱也没有关系,后面会再次梳理):   具体因素 具体说明 一些实验想法 模型本身因素: 材质 不透明OR透明(或半透明)...
  • 影响辐射生物学效应的因素

    千次阅读 2019-04-30 22:42:30
    影响辐射生物学效应的因素主要有: (一)辐射因素 1.辐射类型:高LET辐射在组织内能量分布密集,生物学效应相对较强。故在一定范围内,LET愈高,RBE愈大。 2.剂量和剂量率:照射剂量大小是决定辐射生物效应强弱的...
  • 标定板大小(标定板相对视野大小)与畸变 待测(后补) 5 高分辨率与畸变 高分辨率可以扩大视角,在满足相同视场( 1.5 米 *1.5 米)情况下,其距相机位置将减小 (3 米减到 1.6 米 ) ,进而相机畸变减小。   结论:...
  • 类别不平衡是指在分类任务中不同类别的训练样本数目差别很大的情况,导致分类结果会偏向于大类,影响分类效果。 类别不平衡对朴素贝叶斯分类器的影响 类别不平衡对SVM的影响 ![在这里插入图片...
  • } //检查文件大小 if(file.getSize() > Constant.M2_TO_BYTE) { return JsonResVo.buildErrorResult(ErrorEnum.ERROR_DEFAULT.getErrorCode(), "请上传2M以内的图片"); } //检查是否是图片 BufferedImage bi = ...
  • 做一个网络来分类mnist的0和2,用间隔取点的办法把图片边长n化成n=5,7,9,…,27。共12个不同的值,让网络的收敛误差δ=1e-4,每个收敛误差收敛199次,统计平均值。 得到表格 0*2 ...
  • 决定视频画质的核心因素有哪些,你知道吗?它们之间又有什么关系? 你认为的视频分辨率真的就是我们平常说的清晰度吗? 接下来,你将在本篇文章获得满意答案,come baby,go 02 — 分辨率介绍 定义:图像单位面积中...
  • 一、MySQL性能优化之-影响性能的因素1.商业需求的影响不合理需求造成资源投入产出比过低,这里我们就用一个看上去很简单的功能来分析一下。需求:一个论坛帖子总量的统计,附加要求:实时更新从功能上来看非常容易...
  • 在一个网站或者app中,推荐系统通常会和整个大系统的多个方面有交互,推荐系统本身也有很多的组成部分,再加上整个系统所处的大环境,综合起来会有很多因素影响着一个推荐系统最终效果的好坏,这里的效果指的是包括...
  • 网页文件的大小是网站能否快速打开的一个重要因素。压缩并减小网页里面的图片、视频文件,可以提升打开速度。 网站前端很庞大,如果本身资源未做合并和压缩、http请求太多、未设置浏览器缓存、动静态使用不当...
  • 最近封装了个高斯模糊组件,正好将图片相关的理论基础也梳理了下,所以,这次就来讲讲,在 Android 中,怎么计算一张图片在内存中占据的大小,如果要优化,可以从哪些方向着手。 提问 阅读本篇之前,先来想一些问题...
  • batchsize大小对训练速度的影响

    万次阅读 多人点赞 2020-10-08 10:39:43
    图片数量:2700 batchsize 一个图片处理时间 GPU内存占用 GPU算力使用 一个epoch 所用时间 1 0.117s 2.5G 20% 2700 * 0.0117 = 318s 5 0.516s 8G 90% 2700 * 0.516/5 = 279s batchsize大了之后,占用的...
  • 影响图片大小因素有很多,主要有图片尺寸、图片质量、图片格式、图片色彩的丰富程度等。我们可以通过控制图片尺寸、图片的压缩质量来达到优化图片大小的目的。 图片优化途径 优化图片的方法和途径也有很多,比如...
  • 影响手机成像质量的因素

    千次阅读 2016-07-19 16:34:49
    今时今日,手机已经不仅仅是人们的通讯工具,...影响手机成像质量的因素主要有两个:摄像头和成像算法。成像算法也是非常重要的,就像炒菜一样,同样的材料,经过不同的厨师的处理,味道也会不一样。但是成像算法是每家
  • 影响百度权重的因素

    千次阅读 2016-02-24 11:19:36
    个人觉得衡量网站在百度权重高低的因素...衡量百度权重的因素我认为主要是网站的关键词排名、内容质量(原创度)、外链质量和广泛度、网站结构以及点击率、跳出率、停留率、服务器速度以及用户体验等影响。提高主要是通
  • 堆和栈空间大小和作用

    千次阅读 2018-10-19 00:27:21
    win系统默认的栈空间是1M(1MiB)大小,而Linux默认下栈空间常见的是8M或10M。不同系统的栈空间默认大小不同是由系统和(或)编译器决定的(编译器占主要作用),而具体的情况要具体的分析。我见过有文章认为x86/x64...
  • 什么因素影响了数据库的性能?

    千次阅读 2018-05-21 07:15:00
    &#13; &#13; &#13; &#13; &#13; &#13; &#13; 本文来自作者 奋斗 在 GitChat 上分享 「MySQL 性能优化之影响性能的因素」奋斗,小马用...
  • 影响上传速度的因素

    千次阅读 2012-05-17 15:38:51
    客户端 上传数据 到服务器。 上传速度决定于: 1)客户端, 2)服务器, 3...1.3. 发送数据的粒度大小; 1.4. 读文件的效率, 最好异步读文件, 先将数据缓存好, 待发送数据时,就省去了读文件的时间; 1.5. 是否
  • 这句话有一定的道理,但是服务器的配置高低只是影响服务器访问速度的一个因素。具体对服务器访问速度影响较大的因素有如下几点: 一、服务器的放置环境 服务器的放置环境影响着服务器的稳定性大家都知道,但是服务器...
  • plt.figure(figsize=(10, 5), dpi=80) #figsize设置画布大小,dpi设置图片的精度 plt.subplot(121) #画两个左右对称的子图,现在是画第一个 plt.bar(_x[0], _y[0],label='survived',color='#39CC6A',align='center'...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 64,497
精华内容 25,798
关键字:

影响图片大小的因素