Как я вычисляю эти статистические данные?
Error 127 означает одну из двух вещей:
- файл не найден: используемый вами путь неверен. дважды проверьте, что программа на самом деле находится в вашем
$PATH, или в этом случае относительный путь правильный - помните, что текущий рабочий каталог для случайного терминала может отличаться от того, который вы используете. лучше было бы использовать только абсолютный путь. - ldso не найден: вы используете предварительно скомпилированный двоичный файл и ему нужен интерпретатор, которого нет в вашей системе. возможно, вы используете x86_64 (64-разрядный) дистрибутив, но предварительно построенный для x86 (32-разрядный). вы можете определить, является ли это ответом, открыв терминал и попытавшись выполнить его напрямую. или
file -Lна/bin/sh(для получения вашего стандартного / собственного формата) и самого компилятора (чтобы увидеть, в каком формате он).
, если проблема (2) ), то вы можете решить его несколькими способами:
- получить лучший двоичный файл. поговорите с продавцом, который дал вам инструментальную цепочку и попросил их тот, который не сосать.
- посмотреть, может ли ваш дистрибутив установить набор файлов с несколькими слоями. Большинство 64-разрядных дистрибутивов x86_64 позволяют вам устанавливать 32-разрядные библиотеки x86 параллельно.
- создайте собственный кросс-компилятор, используя что-то вроде crosstool-ng .
- вы можете переключаться между x86_64 и amp; x86 install, но это кажется немного резким;).
6 ответов
Этот веб-сайт мог бы помочь Вам немного больше. Также этот .
я работаю от довольно ржавой памяти курса статистики, но здесь ничто не иду:
при выполнении дисперсионного анализа (ANOVA) Вы на самом деле вычисляете статистическую величину F как отношение от среднеквадратических различий "между группами" и среднеквадратических различий "в группах". Вторая ссылка выше кажется довольно хорошей для этого вычисления.
Это делает статистическую меру F точно, насколько мощный Ваша модель, потому что "между группами" различие является объяснительной силой, и "в группах" различие является случайной ошибкой. Высокий F подразумевает очень значительную модель.
Как во многих статистических операциях, Вы отступаете - определяют Сигнал с помощью статистической величины F. Вот то, где Ваша информация о Википедии входит немного удобная. То, что Вы хотите сделать, - использование степеней свободы, данных Вам SPSS - находит надлежащее значение P, в котором таблица F даст Вам статистическую величину F, которую Вы вычислили. P оценивают, где это происходит [F (таблица) = F (вычисленный)] значение.
Концептуально, более низкое значение значения показывает очень сильную способность отклонить нулевую гипотезу (который в этих целях означает решать, что Ваша модель имеет объяснительную силу).
Извините любым математическим людям, если какое-либо из этого является неправильным. Я буду перепроверять для создания редактирований!!!
Удача Вам. Статистика является забавой, просто возможно, не эта часть. =)
Я предполагаю от Вашего вопроса, что Ваши коллеги исследования хотят автоматизировать процесс, которым определенные статистические анализы выполняются (т.е. они хотят к наборам данных пакетной обработки). У Вас есть две опции:
1) SPSS теперь scriptable через Python (с версии 15) - переходят к spss.com и ищут Python. Можно записать сценарии Python, чтобы автоматизировать анализы данных и извлечь значения ключа из сводных таблиц, и затем обработать ответы любым путем Вам нравится. Это имеет достоинство разрешения точного сравнения между результатами Вашего сценария Python и вычисленных на руку усилий в SPSS Ваших сотрудников. Таким образом Вы не должны будете действительно знать, что любая статистика делает эту работу (который является главным преимуществом)
2), Вы могли сделать это в R, свободной среде статистики, которая могла, вероятно, быть задана сценарием. Это имеет недостаток, что необходимо будет изучить статистику, чтобы гарантировать выполнение его правильно.
Короче говоря: не делайте этого вручную, связывайтесь/используйте существующее программное обеспечение. И ответ sain_grocen является неправильным. :(
Это все тесты для значения оценок параметра, которые обычно используются в Многомерных Множественных регрессиях ответа. Они не были бы простыми вещами сделать за пределами статистической среды программирования. Я предложил бы или получение вывода из существующей ранее статистической программы или использование того, с которым можно связаться и использовать тот код.
я боюсь, что первый ответ (sain_grocen) приведет Вас вниз неправильный путь. Его объяснение вероятно из особого случая того, с чем Вы на самом деле имеете дело. anova, объясненный в его ссылках, для единственного ответа варьируемой величины в сбалансированном плане. Это не статистика F, которую Вы видите. Имена в Вашем выводе (Трассировка Pillai, Трассировка Hotelling...) являются некоторыми доступными многомерными версиями. У них есть дистрибутивы F под определенными предположениями. Я не могу объяснить ценность учебников материала здесь, я советовал бы Вам запускаться путем рассмотрения "Прикладного Многомерного Статистического анализа" Johnson и Wichern
Можно ли объяснить больше, почему сам SPSS не является прекрасным решением проблемы? Случается так, что это генерирует сводные таблицы, как произведено, которыми трудно управлять? Действительно ли это - стоимость программы?
F-статистика может явиться результатом любого количества конкретных тестов. F является просто распределением (свободно: описание "частот" групп значений), как (Гауссово) Нормальное, или Универсальное. В целом они являются результатом отношений различий. Мнение: многие статистики (самостоятельно включенный), найдите, что основанные на F тесты нестабильны (жаргон: не - устойчивый ).
конкретные выходные статистические данные (трассировка Pillai, и т.д.) предполагают, что исходный анализ является примером MANOVA, который, поскольку описывают другие плакаты, сложное, и трудно получить правильную процедуру.
я - предположение также, что, на основе MANOVA и использования SPSS, это - проект психологии или социологии... если не, просветите. Могло бы случиться так, что другой, более простые модели могло бы на самом деле быть легче понять и более повторяемый. Консультируйтесь со своим локальным университетом статистическая консалтинговая фирма, если у Вас есть тот.
Удачи!
Статистика трудна :-). После года чтения и перечитывания книг и бумаг и может только сказать с уверенностью, что я понимаю самые основы его.
Вы могли бы хотеть исследовать готовые библиотеки для того, какой бы ни язык программирования, который Вы используете, потому что они - многие глюк в математике в целом и статистике в особенности (погрешности округления, являющиеся очевидным примером).
Как пример Вы могли смотреть на проект R, который является и интерактивной средой и библиотекой, которой можно пользоваться из кода C++, распределенного под GPL (т.е. если Вы используете его только внутренне и публикуете только результаты, Вы не должны открывать свой код).
Вот объяснение MANOVA ouptput, с очень хорошего сайта по статистике и по SPSS:
Вывод с объяснением: http://faculty.chass.ncsu.edu/garson/PA765/manospss.htm
Как и зачем делать MANOVA или многомерный GLM: (тот же путь, что и выше, но заканчивающийся на '/manova.htm')
Написание программного обеспечения с нуля для вычисления этих выходов было бы и длительным, и трудным; Как сказал Генри, используйте скрипты Python, или R. Я бы предложил работать с кем-то, кто знает SPSS, если пишет сценарии. Кроме того, сам SPSS способен экспортировать выходные таблицы в файлы, используя нечто, называемое OMS. Скрипт внутри SPSS может это сделать.
Узнайте, кто в вашей исследовательской группе знает SPSS и работает с ними.
.