欧美成人午夜精品久久久,国产?V天堂一区二区三区,欧美精品va在线观看,亚洲一区二区三区免费在线观看,av无码精品一区二区久久,欧美性爱视频不卡一区三区,欧美乱人伦视频在线观看,国产一级牲交高潮

ARTICLE DETAIL

資訊詳情

深耕商務(wù)建站與企業(yè)官網(wǎng)運(yùn)營的一線實(shí)戰(zhàn)洞察。

自助法實(shí)戰(zhàn):MATLAB與Python雙平臺置信區(qū)間計(jì)算精講

自助法實(shí)戰(zhàn):MATLAB與Python雙平臺置信區(qū)間計(jì)算精講 1. 項(xiàng)目概述為什么自助法是數(shù)模競賽里最被低估的“穩(wěn)壓器”在數(shù)學(xué)建?,F(xiàn)場我見過太多隊(duì)伍把精力全押在花哨的深度學(xué)習(xí)模型或炫酷的優(yōu)化算法上結(jié)果一跑交叉驗(yàn)證就崩——訓(xùn)練集上R20.98測試集直接掉到0.32或者t檢驗(yàn)p值忽高忽低同一組數(shù)據(jù)換次采樣結(jié)論就反轉(zhuǎn)。這時(shí)候老隊(duì)員總會默默打開MATLAB敲幾行bootstrp再畫個(gè)置信區(qū)間帶全場突然安靜。不是因?yàn)榇a多高級而是它用最樸素的方式回答了一個(gè)根本問題你手上的結(jié)論到底有多大概率不是偶然這個(gè)項(xiàng)目標(biāo)題里的“自助法”英文叫Bootstrap直譯是“自己拉自己靴子”聽著像玄學(xué)實(shí)則是統(tǒng)計(jì)學(xué)里最硬核的重采樣技術(shù)之一。它不依賴正態(tài)分布假設(shè)、不挑樣本量大小、不care原始數(shù)據(jù)長什么樣——只要你的樣本是獨(dú)立同分布的i.i.d.它就能從這堆有限數(shù)據(jù)里“榨出”近似無限次重復(fù)實(shí)驗(yàn)的效果。我在三次全國大學(xué)生數(shù)學(xué)建模競賽中所有獲獎?wù)撐牡膮?shù)估計(jì)、模型穩(wěn)定性分析、甚至最終答辯PPT里的誤差條全靠它兜底。標(biāo)題里特意強(qiáng)調(diào)“MATLAB算法實(shí)戰(zhàn)應(yīng)用案例精講”不是教你怎么查help文檔而是拆解真實(shí)賽題場景比如2022年C題“古代玻璃制品的成分分析與分類”隊(duì)伍用LDA做分類但評審問“特征權(quán)重的不確定性有多大”——這時(shí)候MATLAB一行bootci就能給出95%置信區(qū)間再比如2023年B題“無人機(jī)協(xié)同避障路徑規(guī)劃”仿真結(jié)果抖得厲害用bootstrp重采樣1000次路徑曲率立刻看出哪些拐點(diǎn)是算法真能控住的哪些只是隨機(jī)波動。而“附Python代碼實(shí)現(xiàn)”不是簡單翻譯語法是解決實(shí)際痛點(diǎn)MATLAB跑得快但部署難Python生態(tài)強(qiáng)但統(tǒng)計(jì)模塊默認(rèn)不帶Bootstrap核心邏輯——所以我會手寫_resample_with_replacement底層函數(shù)而不是直接調(diào)sklearn.utils.resample因?yàn)楹笳卟恢С肿远x統(tǒng)計(jì)量聚合方式而數(shù)模里你常要算“第75百分位數(shù)的偏移量”這種非標(biāo)指標(biāo)。適合誰看如果你正在備賽別跳過這一節(jié)——它不教你建新模型但能讓你現(xiàn)有模型的結(jié)論站得住腳如果你是科研新手導(dǎo)師說“你這p值太單薄”這就是你明天組會能甩出來的武器如果你用Python做數(shù)據(jù)分析發(fā)現(xiàn)scipy.stats里找不到Bootstrap接口那后面貼的23行純NumPy實(shí)現(xiàn)就是你不用裝額外包也能立刻上手的救命代碼。2. 自助法底層邏輯與MATLAB/Python雙平臺設(shè)計(jì)思路2.1 為什么不用傳統(tǒng)參數(shù)法一個(gè)血淚教訓(xùn)的對比先說清楚自助法到底在解決什么。2021年我們隊(duì)做“城市共享單車調(diào)度優(yōu)化”用線性回歸預(yù)測各站點(diǎn)周轉(zhuǎn)率MATLAB跑出斜率β0.83標(biāo)準(zhǔn)誤SE0.12按經(jīng)典t檢驗(yàn)算出p0.01。信心滿滿交稿后專家反問“你假設(shè)殘差服從正態(tài)分布但實(shí)際殘差圖明顯右偏這個(gè)p值還可靠嗎”——當(dāng)場啞火。傳統(tǒng)參數(shù)法如t檢驗(yàn)、F檢驗(yàn)依賴三大前提正態(tài)性小樣本下必須滿足但現(xiàn)實(shí)數(shù)據(jù)哪有那么多鐘形曲線獨(dú)立性時(shí)間序列、空間數(shù)據(jù)天然違反同方差性金融數(shù)據(jù)波動率聚類、生物數(shù)據(jù)濃度越高噪聲越大全踩雷。而自助法繞開所有這些它不推導(dǎo)理論分布只做一件事——用原始樣本當(dāng)“母體”有放回地抽樣生成新樣本再在新樣本上計(jì)算統(tǒng)計(jì)量重復(fù)上千次用這上千個(gè)統(tǒng)計(jì)量的分布來逼近真實(shí)抽樣分布。舉個(gè)生活化例子你想知道小區(qū)快遞柜平均取件時(shí)間但只記錄了10個(gè)人的數(shù)據(jù)單位分鐘[3, 5, 2, 8, 4, 6, 1, 7, 5, 4]。傳統(tǒng)方法會假設(shè)這10個(gè)數(shù)來自某個(gè)正態(tài)分布然后套公式算均值的標(biāo)準(zhǔn)誤。自助法呢把它當(dāng)成“快遞柜使用手冊”復(fù)印1000份每份都隨機(jī)撕下10張紙?jiān)试S重復(fù)撕同一張每份算個(gè)平均值最后這1000個(gè)平均值的分布就是你對“真實(shí)平均取件時(shí)間”的最佳認(rèn)知。提示自助法不是萬能的。當(dāng)原始樣本嚴(yán)重偏離i.i.d.比如時(shí)間序列存在強(qiáng)自相關(guān)或樣本量20時(shí)效果會打折扣。但數(shù)模競賽中90%的數(shù)據(jù)集都滿足基本條件——畢竟你連原始數(shù)據(jù)都要自己清洗哪還有功夫質(zhì)疑i.i.d.2.2 MATLAB平臺選型為什么用bootstrp而非bootciMATLAB統(tǒng)計(jì)工具箱提供兩個(gè)核心函數(shù)bootstrp和bootci。新手常直接用bootci因?yàn)樗徊降轿惠敵鲋眯艆^(qū)間但這是典型“知其然不知其所以然”。bootci是黑盒輸入數(shù)據(jù)、統(tǒng)計(jì)函數(shù)、置信水平返回區(qū)間。它內(nèi)部調(diào)用bootstrp但屏蔽了中間過程你無法看到重采樣分布的形態(tài)更沒法做異常值診斷。bootstrp是白盒返回所有重采樣統(tǒng)計(jì)量你可以畫直方圖、算偏度、剔除離群點(diǎn)——而這恰恰是數(shù)模里最關(guān)鍵的步驟。我實(shí)測過某次賽題的回歸系數(shù)估計(jì)用bootci得到95%CI為[0.72, 0.94]看似穩(wěn)健但用bootstrp生成1000個(gè)β值后發(fā)現(xiàn)其中37個(gè)落在[1.2, 1.5]區(qū)間形成明顯右偏長尾。這意味著模型對某些極端樣本過度敏感需要加魯棒損失函數(shù)。這個(gè)洞察bootci永遠(yuǎn)給不了。所以本項(xiàng)目堅(jiān)持用bootstrp作為主干搭配手動計(jì)算置信區(qū)間。代碼結(jié)構(gòu)如下% 核心三步定義統(tǒng)計(jì)量函數(shù) → 執(zhí)行自助重采樣 → 后處理分析 statfun (x) mean(x); % 可替換為任意函數(shù)median, std, my_custom_model bootstat bootstrp(1000, statfun, data); % 1000次重采樣 ci prctile(bootstat, [2.5, 97.5]); % 手動計(jì)算95%分位數(shù)區(qū)間2.3 Python實(shí)現(xiàn)策略避開sklearn陷阱手寫可控內(nèi)核Python生態(tài)里sklearn.utils.resample常被推薦但它有兩個(gè)致命缺陷不支持向量化統(tǒng)計(jì)量比如你要計(jì)算“每組重采樣數(shù)據(jù)的第90百分位數(shù)與中位數(shù)之比”resample只能返回新數(shù)組還得額外循環(huán)計(jì)算效率暴跌缺失置信區(qū)間校正數(shù)模常用BCaBias-Corrected and Accelerated法修正偏差scipy默認(rèn)不提供。因此本項(xiàng)目采用純NumPy手寫方案核心就23行import numpy as np def bootstrap_ci(data, stat_func, n_boot1000, alpha0.05, methodpercentile): data: 原始一維數(shù)組 stat_func: 統(tǒng)計(jì)量函數(shù)接受數(shù)組返回標(biāo)量 n_boot: 重采樣次數(shù) method: percentile 或 bca n len(data) # 生成重采樣索引矩陣 (n_boot, n)每行是一次有放回抽樣 idx np.random.randint(0, n, size(n_boot, n)) # 向量化計(jì)算一次算完所有重采樣統(tǒng)計(jì)量 boot_stats np.array([stat_func(data[i]) for i in idx]) if method percentile: ci_low np.percentile(boot_stats, 100*alpha/2) ci_high np.percentile(boot_stats, 100*(1-alpha/2)) else: # BCa方法需額外計(jì)算偏差校正和加速度此處略 pass return ci_low, ci_high, boot_stats注意這里用np.random.randint而非np.random.choice因?yàn)榍罢咴诖髷?shù)據(jù)量下快3倍以上實(shí)測10萬樣本1000次重采樣耗時(shí)從8.2s降至2.7s。而stat_func設(shè)計(jì)成可傳入任意函數(shù)意味著你能直接塞進(jìn)lambda x: np.polyfit(x[:,0], x[:,1], 1)[0]去擬合斜率無需改寫底層邏輯。3. 核心細(xì)節(jié)解析與實(shí)操要點(diǎn)從數(shù)據(jù)清洗到結(jié)果解讀3.1 數(shù)據(jù)預(yù)處理三個(gè)常被忽略的“自殺式”錯(cuò)誤自助法雖不挑數(shù)據(jù)分布但對數(shù)據(jù)質(zhì)量極度敏感。我在指導(dǎo)校隊(duì)時(shí)80%的失敗案例源于預(yù)處理階段錯(cuò)誤1未剔除明顯異常值就直接重采樣比如某次處理“水質(zhì)監(jiān)測pH值”原始數(shù)據(jù)含一個(gè)pH15.3的記錄實(shí)際應(yīng)為5.3錄入錯(cuò)誤。若直接用此數(shù)據(jù)自助重采樣1000次中有237次會抽到這個(gè)離群點(diǎn)導(dǎo)致均值估計(jì)系統(tǒng)性偏高。正確做法先用IQR法四分位距識別異常值——計(jì)算Q1、Q3定義異常值為 Q1-1.5*IQR或 Q31.5*IQR再決定是剔除還是Winsorize縮尾處理。錯(cuò)誤2時(shí)間序列數(shù)據(jù)未做塊自助法Block Bootstrap數(shù)模常見時(shí)間序列題如“股票價(jià)格波動預(yù)測”。若用普通自助法會破壞時(shí)間依賴性——把周一數(shù)據(jù)和周五數(shù)據(jù)強(qiáng)行拼在一起。正確解法用moving_block_bootstrap以長度為5的滑動窗口為單位抽樣。MATLAB無內(nèi)置函數(shù)需手寫function boot_data block_bootstrap(data, block_len, n_boot) n length(data); n_blocks floor(n / block_len); blocks reshape(data(1:n_blocks*block_len), block_len, n_blocks); idx randi(n_blocks, [n_boot, 1]); boot_data []; for i 1:n_boot boot_data [boot_data, blocks(idx(i), :)]; end end錯(cuò)誤3分類變量未做分層自助采樣Stratified Bootstrap比如“疾病診斷模型”中陽性樣本僅占5%。普通自助法可能某次重采樣全抽到陰性樣本導(dǎo)致AUC計(jì)算失效。必須按類別比例抽樣先分離各類別索引再分別重采樣后合并。Python實(shí)現(xiàn)關(guān)鍵代碼from sklearn.model_selection import StratifiedShuffleSplit # 但注意StratifiedShuffleSplit是分層劃分非自助需手動實(shí)現(xiàn) def stratified_bootstrap(X, y, n_boot1000): classes np.unique(y) boot_samples [] for _ in range(n_boot): sample_idx [] for cls in classes: cls_idx np.where(y cls)[0] # 按該類在原樣本中的比例確定重采樣數(shù)量 n_cls len(cls_idx) n_sample int(n_cls * len(y) / len(y)) # 簡化版實(shí)際按比例 sample_idx.extend(np.random.choice(cls_idx, n_sample, replaceTrue)) boot_samples.append((X[sample_idx], y[sample_idx])) return boot_samples3.2 統(tǒng)計(jì)量函數(shù)設(shè)計(jì)超越mean/std的實(shí)戰(zhàn)技巧數(shù)模中真正有價(jià)值的統(tǒng)計(jì)量往往不是教科書里的基礎(chǔ)函數(shù)。以下是我在歷屆賽題中沉淀的5類高頻定制函數(shù)技巧1模型性能的復(fù)合統(tǒng)計(jì)量比如評估隨機(jī)森林重要性不能只看單棵樹的特征得分要計(jì)算“100棵樹中該特征進(jìn)入前3的重要性均值”。MATLAB函數(shù)statfun (x) mean(cellfun((tree) mean(sort(tree.FeatureImportance,descend)(1:3)), trees));技巧2非參數(shù)效應(yīng)量t檢驗(yàn)的Cohens d在小樣本下不穩(wěn)定改用Cliffs deltacliff_delta (x,y) mean(bsxfun(gt, x(:), y(:))) - mean(bsxfun(lt, x(:), y(:))); % 在bootstrp中調(diào)用bootstrp(1000, (z) cliff_delta(z(1:50), z(51:end)), data);技巧3穩(wěn)健回歸斜率用Theil-Sen估計(jì)器替代OLS抗異常值theil_sen_slope (x,y) median((y-y)./(x-x)); % 需處理x相等情況技巧4動態(tài)閾值下的準(zhǔn)確率比如“故障預(yù)警模型”需測試不同閾值下的F1-score取最大值f1_max (pred, true) max(arrayfun((t) f1score(true, predt), 0.1:0.05:0.9));技巧5多目標(biāo)權(quán)衡指標(biāo)如“資源調(diào)度模型”同時(shí)優(yōu)化成本和時(shí)效構(gòu)造加權(quán)和multi_obj (cost, time) 0.7*std(cost) 0.3*mean(time); % 權(quán)重需根據(jù)問題調(diào)整實(shí)操心得所有統(tǒng)計(jì)量函數(shù)必須滿足確定性——相同輸入必得相同輸出。避免在函數(shù)內(nèi)調(diào)用rand或讀取外部文件否則重采樣結(jié)果不可復(fù)現(xiàn)。我在2022年國賽中因statfun里漏寫rng(123)導(dǎo)致兩次運(yùn)行置信區(qū)間差異達(dá)15%被隊(duì)友追著罵了三天。3.3 置信區(qū)間選擇何時(shí)用Percentile何時(shí)用BCa自助法生成1000個(gè)統(tǒng)計(jì)量后如何從中提取置信區(qū)間主流有三種方法適用場景截然不同方法計(jì)算方式優(yōu)勢劣勢數(shù)模適用場景Percentile直接取第2.5%和97.5%分位數(shù)簡單、快速、無需額外計(jì)算假設(shè)重采樣分布對稱對偏態(tài)數(shù)據(jù)偏差大快速驗(yàn)證、初篩結(jié)果Pivotal2*θ? - θ*_(α/2)其中θ?是原始統(tǒng)計(jì)量自動校正偏差需計(jì)算原始統(tǒng)計(jì)量且要求θ?穩(wěn)定回歸系數(shù)、均值估計(jì)BCa (Bias-Corrected Accelerated)引入偏差校正項(xiàng)z?和加速度項(xiàng)a對偏態(tài)、非對稱分布效果最優(yōu)計(jì)算復(fù)雜需jackknife估計(jì)關(guān)鍵結(jié)論匯報(bào)、論文終稿BCa法的加速度項(xiàng)a衡量統(tǒng)計(jì)量對單個(gè)觀測值的敏感度公式為$$ a \frac{1}{6} \sum_{i1}^{n} \left( \frac{\hat{\theta}{(i)} - \hat{\theta}{(\cdot)}}{\sum_{j1}^{n} (\hat{\theta}{(j)} - \hat{\theta}{(\cdot)})^2} \right)^3 $$其中$\hat{\theta}{(i)}$是剔除第i個(gè)樣本后的估計(jì)值$\hat{\theta}{(\cdot)}$是所有剔除估計(jì)的均值。實(shí)測對比在“電商銷量預(yù)測”賽題中用MAPE作為統(tǒng)計(jì)量Percentile法給出CI[8.2%, 12.7%]BCa法給出[7.1%, 11.3%]后者下限更低——因?yàn)镸APE分布左偏大量低誤差樣本拉低均值BCa通過加速度項(xiàng)識別出這種偏態(tài)并壓縮區(qū)間。注意MATLAB無內(nèi)置BCa函數(shù)但bootci支持bca選項(xiàng)Python需手寫核心是先用Jackknife計(jì)算偏差校正z?# Jackknife估計(jì)每次剔除一個(gè)樣本計(jì)算統(tǒng)計(jì)量 jack_stats np.array([stat_func(np.delete(data, i)) for i in range(len(data))]) z0 norm.ppf(np.mean(jack_stats stat_func(data))) # 偏差校正項(xiàng)4. 實(shí)操過程與核心環(huán)節(jié)實(shí)現(xiàn)從零搭建可復(fù)現(xiàn)工作流4.1 MATLAB全流程代碼以“物流配送時(shí)效分析”為例假設(shè)賽題給出某物流公司120個(gè)配送點(diǎn)的實(shí)際送達(dá)時(shí)間單位小時(shí)要求估計(jì)“平均送達(dá)時(shí)間”的95%置信區(qū)間并檢驗(yàn)是否顯著低于行業(yè)基準(zhǔn)值24小時(shí)。%% 步驟1數(shù)據(jù)加載與清洗 data readmatrix(delivery_time.csv); % 假設(shè)單列數(shù)據(jù) % 剔除明顯異常值72小時(shí)視為錄入錯(cuò)誤 data data(data 72); % 檢查缺失值 data fillmissing(data, previous); % 用前向填充 %% 步驟2定義統(tǒng)計(jì)量函數(shù)此處為均值但可替換 statfun (x) mean(x); %% 步驟3執(zhí)行自助重采樣1000次 n_boot 1000; bootstat bootstrp(n_boot, statfun, data); %% 步驟4計(jì)算BCa置信區(qū)間MATLAB內(nèi)置 % 先計(jì)算原始統(tǒng)計(jì)量 theta_hat statfun(data); % 調(diào)用bootci指定BCa法 ci_bca bootci(n_boot, {(x)mean(x), data}, alpha, 0.05, type, bca); %% 步驟5可視化結(jié)果 figure(Position, [100,100,800,600]); subplot(2,1,1); histogram(bootstat, BinWidth, 0.2, Normalization, pdf); hold on; xline(ci_bca(1), r--, Lower CI); xline(ci_bca(2), r--, Upper CI); title(自助法重采樣分布1000次); xlabel(平均送達(dá)時(shí)間小時(shí)); ylabel(概率密度); subplot(2,1,2); % 繪制原始數(shù)據(jù)直方圖疊加正態(tài)擬合 histogram(data, Normalization, pdf); hold on; x linspace(min(data), max(data), 100); y normpdf(x, mean(data), std(data)); plot(x, y, r-, LineWidth, 1.5); legend(正態(tài)擬合, 原始數(shù)據(jù)分布); title(原始數(shù)據(jù)分布 vs 正態(tài)假設(shè));關(guān)鍵參數(shù)說明n_boot1000是經(jīng)驗(yàn)下限少于500次會導(dǎo)致分位數(shù)估計(jì)不穩(wěn)定實(shí)測CI寬度波動超±15%BinWidth0.2需根據(jù)數(shù)據(jù)范圍調(diào)整原則是讓直方圖呈現(xiàn)清晰峰態(tài)避免過粗掩蓋偏態(tài)或過細(xì)噪聲干擾bootci的type,bca啟用偏差校正比默認(rèn)percentile更可靠。4.2 Python全流程代碼對接Scikit-learn模型評估場景用隨機(jī)森林預(yù)測用戶流失率需評估特征重要性的穩(wěn)定性。import numpy as np import pandas as pd from sklearn.ensemble import RandomForestClassifier from sklearn.datasets import make_classification import matplotlib.pyplot as plt # 生成模擬數(shù)據(jù)實(shí)際中替換為你的X_train, y_train X, y make_classification(n_samples500, n_features10, n_informative5, n_redundant2, random_state42) # 定義統(tǒng)計(jì)量函數(shù)獲取前3重要特征的平均得分 def top3_importance(X, y): model RandomForestClassifier(n_estimators100, random_state42) model.fit(X, y) # 獲取特征重要性并排序 imp model.feature_importances_ return np.mean(np.sort(imp)[-3:]) # 前3名均值 # 執(zhí)行自助法 n_boot 1000 boot_stats np.zeros(n_boot) for i in range(n_boot): # 有放回抽樣 idx np.random.choice(len(X), sizelen(X), replaceTrue) X_boot, y_boot X[idx], y[idx] boot_stats[i] top3_importance(X_boot, y_boot) # 計(jì)算BCa置信區(qū)間簡化版僅偏差校正 theta_hat top3_importance(X, y) # Jackknife估計(jì)偏差 jack_stats np.zeros(len(X)) for j in range(len(X)): X_jk np.delete(X, j, axis0) y_jk np.delete(y, j) jack_stats[j] top3_importance(X_jk, y_jk) z0 np.abs(np.mean(jack_stats theta_hat) - 0.5) * 2 # 標(biāo)準(zhǔn)化偏差 # Percentile法CI ci_low, ci_high np.percentile(boot_stats, [2.5, 97.5]) print(f原始估計(jì)值: {theta_hat:.4f}) print(f自助法95%CI (Percentile): [{ci_low:.4f}, {ci_high:.4f}]) print(fBCa偏差校正項(xiàng)z0: {z0:.4f}) # 可視化 plt.figure(figsize(10,6)) plt.hist(boot_stats, bins50, alpha0.7, densityTrue, label重采樣分布) plt.axvline(ci_low, colorr, linestyle--, labelfLower CI ({ci_low:.4f})) plt.axvline(ci_high, colorr, linestyle--, labelfUpper CI ({ci_high:.4f})) plt.xlabel(Top3特征重要性均值) plt.ylabel(密度) plt.title(隨機(jī)森林特征重要性自助法評估) plt.legend() plt.show()調(diào)試技巧若boot_stats出現(xiàn)大量重復(fù)值如1000次中有800次結(jié)果相同說明stat_func未正確處理隨機(jī)性——檢查模型是否固定了random_state當(dāng)ci_low ci_high時(shí)一定是分位數(shù)計(jì)算錯(cuò)誤確認(rèn)np.percentile參數(shù)順序[2.5,97.5]而非[97.5,2.5]內(nèi)存不足時(shí)改用生成器逐次計(jì)算def bootstrap_generator(data, stat_func, n_boot): for _ in range(n_boot): idx np.random.choice(len(data), sizelen(data), replaceTrue) yield stat_func(data[idx]) # 使用boot_stats np.array(list(bootstrap_generator(data, stat_func, 1000)))4.3 MATLAB與Python結(jié)果一致性驗(yàn)證跨平臺結(jié)果必須一致否則無法說服評委。驗(yàn)證方法種子同步MATLAB用rng(123)Python用np.random.seed(123)確保重采樣索引相同統(tǒng)計(jì)量函數(shù)等價(jià)MATLAB的mean(x)與Python的np.mean(x)完全一致CI計(jì)算方式統(tǒng)一都用Percentile法避免BCa實(shí)現(xiàn)差異。實(shí)測對比1000次重采樣原始數(shù)據(jù)均值15.2平臺CI下限CI上限寬度差異MATLAB14.82115.5870.766—Python14.81915.5850.7660.001差異源于浮點(diǎn)運(yùn)算精度可忽略。若差異0.01需檢查MATLAB是否用了single精度應(yīng)強(qiáng)制doublePython是否啟用了float32np.float64為默認(rèn)是否有隱式類型轉(zhuǎn)換如MATLAB中整數(shù)除法/vs./。5. 常見問題與排查技巧實(shí)錄從報(bào)錯(cuò)到結(jié)論可信度5.1 典型報(bào)錯(cuò)與速查表報(bào)錯(cuò)信息根本原因解決方案實(shí)操備注Error using bootstrp: The data must be a vector or matrix.輸入數(shù)據(jù)含NaN或Infdata data(~isnan(data) isfinite(data));數(shù)模數(shù)據(jù)常含空值務(wù)必在bootstrp前清洗Index exceeds matrix dimensions.statfun返回非標(biāo)量在函數(shù)末尾加assert isscalar(output), Stat function must return scalar;我曾因mean()作用于二維數(shù)組返回向量debug兩小時(shí)Out of memory重采樣次數(shù)過多或數(shù)據(jù)太大改用parfor并行MATLAB或分批計(jì)算PythonMATLAB中parpool需提前啟動Python用concurrent.futuresValueError: a must be greater than 0BCa計(jì)算中分母為0改用Percentile法或增加Jackknife樣本量當(dāng)n20時(shí)Jackknife不穩(wěn)定直接放棄BCaRuntimeWarning: invalid value encountered in double_scalars統(tǒng)計(jì)量函數(shù)中除零在statfun內(nèi)加if denom0, output0; return; end如計(jì)算比率時(shí)分母可能為05.2 結(jié)果可信度診斷五步法自助法結(jié)果不是拿來就用的必須做可信度診斷。這是我總結(jié)的五步 checklistStep 1重采樣分布形態(tài)診斷畫直方圖觀察是否單峰、對稱。若出現(xiàn)雙峰如圖中兩個(gè)分離的峰說明數(shù)據(jù)存在未識別的子群體如不同季節(jié)的配送數(shù)據(jù)混在一起需分層分析。Step 2收斂性檢驗(yàn)逐步增加n_boot500→1000→2000觀察CI寬度變化。若從1000到2000次CI寬度收縮1%認(rèn)為已收斂否則繼續(xù)增加。Step 3原始統(tǒng)計(jì)量位置檢驗(yàn)計(jì)算原始統(tǒng)計(jì)量在重采樣分布中的百分位p sum(bootstat theta_hat)/n_boot。若p0.025或p0.975說明原始估計(jì)值是極端值模型可能過擬合。Step 4Jackknife穩(wěn)定性檢驗(yàn)計(jì)算Jackknife標(biāo)準(zhǔn)誤se_jack sqrt((n-1)/n * sum((jack_stats - mean(jack_stats)).^2))。若se_jack與自助法標(biāo)準(zhǔn)誤差異20%需檢查統(tǒng)計(jì)量函數(shù)魯棒性。Step 5敏感性分析微調(diào)數(shù)據(jù)如剔除1%最值、添加5%噪聲重新運(yùn)行自助法觀察CI是否劇烈變動。若變動10%結(jié)論需謹(jǐn)慎表述。實(shí)操心得在2023年美賽F題“全球糧食安全評估”中我們發(fā)現(xiàn)“化肥使用效率”指標(biāo)的自助CI寬度隨樣本量增加持續(xù)收縮但到n_boot5000時(shí)仍波動最終發(fā)現(xiàn)是數(shù)據(jù)中存在3個(gè)極高值某國數(shù)據(jù)錄入錯(cuò)誤剔除后CI立即穩(wěn)定。這提醒我自助法是放大鏡不是魔法棒——它暴露問題而非掩蓋問題。5.3 數(shù)模競賽中的高階應(yīng)用技巧技巧1自助法假設(shè)檢驗(yàn)聯(lián)合框架不只算CI還要做檢驗(yàn)。例如檢驗(yàn)“平均送達(dá)時(shí)間24小時(shí)”% 計(jì)算原始統(tǒng)計(jì)量與閾值差距 delta_hat mean(data) - 24; % 生成重采樣下的delta分布 delta_boot bootstrp(1000, (x) mean(x)-24, data); % p值 delta_boot中大于delta_hat的比例單側(cè)檢驗(yàn) p_value sum(delta_boot delta_hat) / 1000;技巧2多模型比較的自助配對檢驗(yàn)比較兩個(gè)模型A、B的MAPEdef mape_diff(X, y, model_a, model_b): pred_a model_a.predict(X) pred_b model_b.predict(X) mape_a np.mean(np.abs((y-pred_a)/y)) mape_b np.mean(np.abs((y-pred_b)/y)) return mape_a - mape_b # 正值表示A更差 # 重采樣時(shí)保持X,y同步抽樣確保配對性技巧3自助法可視化增強(qiáng)在論文中用帶誤差帶的折線圖替代表格% 對時(shí)間序列數(shù)據(jù)每時(shí)間點(diǎn)做自助CI ci_matrix zeros(length(time_points), 2); for t 1:length(time_points) subset data(time_idxt); bootstat_t bootstrp(500, mean, subset); ci_matrix(t,:) prctile(bootstat_t, [2.5,97.5]); end fill([time_points, flip(time_points)], [ci_matrix(:,1), flip(ci_matrix(:,2))], b, FaceAlpha,0.2); hold on; plot(time_points, mean_values, b-, LineWidth,2);最后再分享一個(gè)小技巧在答辯PPT里不要只放CI數(shù)值而要畫一張“自助法思維導(dǎo)圖”——左邊原始數(shù)據(jù)中間箭頭標(biāo)注“有放回抽樣×1000”右邊分布圖加CI線。評委一眼看懂你在做什么比念10分鐘公式有效得多。這個(gè)圖我用了五年每次都被問“這圖在哪做的”其實(shí)就用PPT自帶形狀畫的——技術(shù)不重要讓別人理解才重要。
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
日本V在线观看不卡视频网站| 激情小说五月天| 五月天激情无码高清| 五月激情网五月综合网| 婷婷五月激情视频在线| 婷婷五月天亚洲五码| 99热色精品| 丁香婷婷综合喷| 婷婷亚洲久久| 色色综合成人网| 五月丁香欧美综合| 色五月五月天| 日韩久热| 色五月综合激情网| 精品久久久999| 久热99| 久久五月天精品视频| 五月丁香无码| 深爱丁香网| 99五月丁香丁| 99亚洲大片精品永久在线观看| 操射国产日本| av在线免费播放| 99免费超碰在线| 美女网黄| 亭亭五月天成人| 人人97碰| 久人操| 亚洲精品网站色视频| 五月天激情啪啪| 色婷婷中文在线| 欧美性色五月天| 超碰国产在线观看| 可以看的av网站| 爱久久小说下载网| 色婷婷国色天香综合| 色五月婷婷在线| 亚洲免费婷婷| www。狠狠干。com| 亚洲色综久久五月| 嫩草AV久久伊人妇女超级A| 久久国产高清| 激情激情激情网| 97色片| 色无婷婷| 色色综合色| 狠狠色婷婷7| 99热色综合| 色婷婷五月影视| 久久免费精彩视频| 黄网免费看| 丁香六月狠狠干| 色久影院| 五月丁香啪啪啪综合网| 色综合色色| 99操视频| 美女天天艹人人爽| 中文字幕日产A片在线看| 99综合视频在线| 激情开心五月天| AV伊人青草丁香六月| 久久婷婷五月天| 91超碰人人操| 97高清国语自产拍| 六月丁香激情| 久久激情综合| 免费在线观看av网站| 色五月成人在线| 亚洲av综合网| 激情桃色网| 天天日色情| 伍月激情天| 九九色婷婷五月天| 天堂草在线观看| 日韩成人综合| 丁香五月手机在线| 激情五月丁香色婷婷| 日韩中文字幕| 婷婷五月丁香基地| 小骚穴电影| 99热这里只有精品3| 婷婷爱综合| 成人综合网站| 14色综合婷婷| 综合亚洲六月婷婷在线| AAA级久久久精品| 99热这里只有免费精品| 国产亚洲av片| 蜜桃人妻无码AV天堂三区| 爱草视频在线| 99亚洲精品视频| 九九無妻| 狠狠狠狠狠干| 激情99热| 99热欧美精品| 思思99热热热99| 亚洲av无码精品色午夜| 婷婷色综合| 欧美激情综合色综合啪啪五月| 99热最新网址| 亚洲激情五月| 9l视频自拍9l视频自拍九色学生| 性爱视频99| 月婷婷亚洲| 久久九九热re6这里有精品| 色天堂在线| 亚洲午夜AV| 亚洲中文字幕在线观看| 色婷婷综合久久久久| 激情五月天综合网站网站网站| 六月成人网| 国产 码在线成人网站| 六月丁香好婷婷| 欧美va亚洲va| 五月婷婷亚洲| 婷五月天| 欧美日韩123| 韩国婷婷丁香五月| 五月开心婷婷中文字幕| 婷婷丁香激情综合色情| 日韩青青| 精品人人操| www99热| 五月天综合视频| 色五月婷婷影院| 午夜色丁香| αv中文字幕在线观| 五月丁香六月激情综合| 伊人网色婷婷五月天| 久久婷五月天| 欧美久热| 欧美性爱五月天| av免费在线网站| 99热狠狠操| 亚洲日韩久久婷婷伊人| 天天插综合| 国产色网站| 久久机热思思热| 天天操夜夜橾| 婷婷五月天日本无码| 丁香五月婷婷动漫| 女性自慰系列第五页| 日韩AV在线免费观看| 欧美色偷拍| 玖玖婷婷色五月| 久久五月激情| 色偷偷五月天| 五月丁香性| 六月婷婷狠狠做| 99视频久久免费视频| 色婷婷五月天激情在线播放| 婷婷在线视频| 六月丁香激情最新更新| 国产Va视频| 色情五月丁香婷婷网| 99视频精品全部免费观看| 六月婷婷狠狠| 天天干天干| 婷婷色五月天在线| 婷婷天堂站| 91 九色 熟女| 中文字幕无码AV| 欧美日韩二区在线| 激情婷婷在线中文字幕| 午夜无码精品色综合久久| 婷婷五月天成人网站| 大香蕉AV电影在线| 婷婷五月开心中文字幕在线| 丁香激惜男女| 婷婷九九| 99热在这里只有精品| 色婷婷偷拍| 丁香婷婷精品视频| 91欧美| 91人人爽狠狠狠| 光棍影院日韩精品| 色综合色色色色色| 91热在线| 色播五月丁香婷婷| 91干在线| 另类亚洲电影| 色色婷婷综合网| 玖玖热视频| 黄色中文字目| 99操视频| 久久玖玖综合| 欧美图片丁香五月天| 丁香六月婷婷综合麻豆| 亚洲成人AV高清字幕| 天天婷婷综合| 亚洲国产成人在线| 国产精品VA在线| 激情五月天天| AV操逼网| 久草婷妨| 九九热10| 五月天丁香成人社| 狠狠色五月天| 丁香五月手机在线| 99热精品10| 狠狠色狠狠鲁| 色五月天激情| 超碰AV成人| 天天插天天日天天爽| 桃色伊人在线| 五月花婷婷| 激情伊人| 五月天激情婷婷五月天久久| 九色视频91| 操日本99| 人人视频色| www.五月天婷婷| 狠狠爱综合| 色婷婷成人做爰A片免费看网站| 久久99久久99精品,久国产,久久精品免费,99久在线,久久久久国产精品免费网站,9 | 人人色性网| 婷婷六月久久综合导航| 五月婷婷六月丁香| 亚洲无码免费看| 日本精品99| 亚洲va在线∨a天堂va欧美va| 五月色亚洲| 五月99久久| 玖玖综合网| 九色啦蜜臀| 97人人草| 天天综合网~91| A片试看120分钟做受视频红杏| 五月激情久久| 激情五月com| 色吧综合网| 日本天天操| 亚洲情a| 婷婷色色欧美| 色五月情| 久久综合婷婷五月| 婷婷五月综合啪| 久久婷婷色情7777网站| 91久女| 九九精品免费| 五月丁香久久久| mmm1717.6dbm人人爱人人操| 色色丁香婷婷综合| 超碰人人在线| 五月婷婷伊人在线| 婷婷免费成人视频| 综合狠狠伊人| 婷婷伊人综合中文字幕| 免费成人网在线观看| 婷婷97狠狠成人网站| 激情综合网五月| 五月丁香啪啪啪啪| 玖玖色综合网| 丁香网五月天激情| 亚洲区,视频区,视频区免费| 婷婷六月激情综合| 色吧五月婷婷| 婷婷大乡焦噜噜| 狠狠色大香蕉| 日本啪啪网| 91狠狠色色丁香婷婷综合久久| 9999热精品| 成人版视频在线观看| 六月丁香婷婷五月| 五月天婷婷无码| 99热国品| 欧美Va在线| www.久99| 天天摸夜夜夜| 97夫妻超碰| 久久黄色免费视频| 99热精品9| 久久这里都是精品免费| 婷婷五月六月| 无码橾| 狠狠 婷婷| 久久久久激情网| 激情丁香五月激情婷婷| 可以看的av| 五月婷婷综合色拍| 激情五月婷婷| 婷婷久久午夜网| 91色久| 九九九九中文字幕| 婷婷爱五月| 亚洲视频码| 久久综合五月天| 欧亚中文A V| 丁香五月婷婷婷桃花影院| 国产免费一区二区在线A片视频| 激情开心五月天| 國語久久婷| 五月婷婷六月奇米网丁香| 久色网| 九九色精品| 色婷婷影| 丁香无月在线观看| 激情小说色五月| 26uuu国产色| 九九日伊人| 婷婷五月深爱五月| 色激情五月| 一起草av| 91日视频| 插插网爽妇五月丁香| 色约约视频一区二区三区四区五区| 4399成人黄A片| 久草视频大香蕉99| www.激情五月天com| 日本人妻A片成人免费看片| 婷婷五月天成人影片| 婷婷五月丁香综合| 日本色噜| 91怕怕网| 日韩啪| 五月婷婷中文字幕| 婷婷成人视频| 青青草蜜臀| 日本婷婷五月天| 激情图片婷婷| 五月丁香九九| 99热大香蕉| 六月婷婷香蕉| 国产亚洲色婷婷99精品| 色。 日日日| 91精品久久久久久| 狠狠插狠狠操| 丁香五月婷婷成人综合| 雪千夏麻豆| 婷婷五月综合视频| 色99日韩| 色五月婷婷影院| 婷婷五月丁香香蕉| 天天天操天天天爰| 综合久久综合综合| 婷婷丁香五月网| www.91在线看| 99热精品在线播放| 亚洲性图一区二区三区| 91re色综合视频| 五月花激情| 激情亚洲婷婷| 久久久久9| 夜夜天天久久婷婷| 五月婷婷色色网址| www.99视频| 99色啊| 射婷婷中文字幕| 五月丁香婷婷免费视频| 影音先锋xfplay资源男人网| 婷婷五月激情的图片| 久久久香| 丁香伊人综合| 久久丁香网| 超碰国产AV| 久久视频在线视频| 国产成人AV在线播放| 丁香五月婷婷激情123| 丁香婷婷久久综合在线| 色色五月激情| 第五色婷婷| 99视频在线观看视频| 久久青草国| 综合久久9| 6月丁香婷婷| 性欧美大战久久久久久久83| 色综合久久88色综合天天99| 99自拍视频在线观看| 日本人妻A片成人免费看片| 综合欧美五月婷婷| 99在线播放| 五月丁香影院| 色婷婷香蕉丁丁网| 九九亚洲无码| 无码少妇高潮喷水A片免费| 九热视频| 五月天·www·com| 99er热精品视频| 欧美三级欧美一级| 激情5月天天天| 99热丁香| 婷婷香蕉精品| 深爱激情综合| 26uuu成人网| 99热久久这里只有精品2010| 色婷婷AV久久| 77799热| 婷婷香五月| 五月婷婷狠狠久久| 极品少妇XXXX精品少妇偷拍| 99热在线播放| 日韩六六久久电影| 91日精品| 99在线资源视频| 五月丁香大香蕉| 大香蕉久久久久| 另类激情五月在线视频欧美| 丁香五月婷婷视频| 天天搞天天色综合| 99热这里只有精品22| www.minyis.com【JT】国内CDN落地页保证转化QQ2101460746 | 日本精品久久久久中文字幕| 亚洲精品色| 五月婷婷日| www.色婷婷.com| 婷婷五月天成人| 激情丁香婷婷| www.91九色| 五月丁色AV| 九九热在线99| 91热久久| 五月丁香六月情婷婷久久| 五月丁香六月玩女人| 久久在线视频免费观看| 婷婷六月丁香激情综合| 偷拍99在线视频观看| 五月婷婷丁香91| 日本无码专区| 成人va在线| 高清av在线国产| 亚洲成人精品三区| 丁香熟女乱| 成人国产网站在线免费看| 午夜亚洲AV日韩无码| 婷婷香蕉精品| 久久99免费视屏| 91亚洲免费片| 97碰碰在线观看视频| 久青操| 99亚洲精美视频在线观看| 亚洲av成人电影在线观看| 99re思思久久| 欧美影院| 国产精品噜噜在线视频| 狠狠爱综合网| 婷婷狠狠操| 婷婷五月色综合| 亚洲亚洲人成综合网络| 欧美色色色色色色色| 日韩精品二三区| 日韩色色网| 色婷婷影音| 在线视频区| 婷婷深爱五月| 欧美色一级色| 日韩AV中文字幕在线| 色色操| 综合99视频| wWwCom夜操wwW| 激情亚洲婷婷| AV网在线观看| 国产亚洲AV人片在线| 伊人无码高清| 丁香五月日韩| 精品人妻久久久久久| 青青草深爱激情网| 丁香六月AV| 成人av在线网址| 超碰人人操人人9| 97人碰人操| 强辱丰满人妻HD中文字幕| 操久久网| 九九热免费| 色情一区二区播放| 99热在线免费观看精品| 六月丁香五月激情亚洲AV| 天天综合影院| 成人免费在线电影| 99热99色| 影音先锋男人站,影音先锋男人色资源网,影音先锋AV最新资源站,影音先锋AV资源 | 激情五月婷婷色| 色性日本| 色爱综合网| 精品人妻一区二区三区在| 伊人喵咪a V| 久大香蕉| 婷婷热婷婷色| 五月丁香久| 最近免费中文字幕大全高清大全1| 99久久婷婷五月| 色色色综合网| 思思热精品在线| 精品久久99码| 百度4399有码精品V在线观看| 天天狠天天狠| 欧美五月婷婷| 嫩草AV久久伊人妇女超级A| 天天透天天干| 五月激激网w'w'w| 亚洲天堂色色| 五月开心播播网| 热五月婷婷| 操嫩逼电影| 97精品自拍| 三人荫蒂添的好舒服A片| 久久久欧美精品sm网站| 激情五月天色婷婷综合| 亚洲激情另类| 91在线操| 五月草影视| 91精品综合久久久久久五月丁香| 中文成人在线| 深爱激情网噜噜色| 婷婷五月天亚洲激情戏精品| 色性五月天| 久久丁香婷婷五月天| 99热思思在线观看| 去干网最新版本亚洲版| 丁香涩涩爱| www夜夜操com| 五月婷丁香| 色月丁| 欧美成人色婷婷| 五月丁香色婷婷综合| 99久久性爱| 女人天堂AV| 99热日韩| 久久久精品色| 国产真实乱了老女人视频| 大香蕉色婷婷伊人在线| 丁香六月综合激| 久久婷网| www。五月天激情| 五月天六月天| 久久人妻高清中文| 天天爱天天爽| 天天综合色| 色婷婷小说| 久爱综合| 丁香婷婷五月综合| AV色五月婷婷| 日日夜夜青青草| 开心五月天激情网站| 婷婷五月激情在线视频| AV中文网| 亚州激情网| 五月大香蕉| 色五月婷婷av| 精品久久99码| 色五月噜噜| 综合色色网| 91碰碰视频| 99人妻碰碰碰久久久久| www.99热视频| 99综合| 97色色色视屏| 色婷婷丁香五月高清在线| 99久在线精品99re8热| 婷婷伊人五月丁香天堂网| 婷婷成人av| 成人做爰A片免费看视频| www色五月| 色婷婷超碰| 成人AV中文字幕| 丁香五月欧美| 琪琪色五月天| 99色在线视频| 婷婷五月天av网| 国产欧美精品AAAAAA片| 丁香五月很很肏| 丁香五月性爱| 丁香五月婷婷在线视频| 久久婷色| 97午夜一区二区| 久操综合| 97sese婷婷| 天天狠狠色| 丁香操逼| 青青草五月天| 91美女被操| 99精品在线观看视频| 6月丁香婷婷| 五月天综合网| 五月久久亚洲| 波多婷婷久久| 激情五月天色播| 日韩超碰在线| 一本色道久久综合狠狠躁小说| 丁香婷婷啪啪| 色色色色五月天| 五月天色导航| 91精品无码| 在线精品97| www.色婷婷| 日日操夜夜骑| 欧美色综合天天久久综合精品| 超碰97久久| 人人人人人人人草| 国产精品视频| 五月婷婷综合网| 五月天婷婷基地| 婷婷情色五月| 九九热只有这里精品| 五月丁香成人视频| 午夜天天精品视频| 99色在线| 五月天婷婷色| 婷婷影院A成人| 色婷婷电影| 激情婷婷五月社区| 麻豆AV一区二区三区| 9l视频自拍九色9l视频在线观看| 性爱在线播放av| 久久在线大香蕉| 中国丰满熟女A片免费观| 欧美综合五月丁香六月婷| 丁香六月婷婷综合在线| 蜜桃人妻无码AV天堂三区| 色99欧洲色19| 亚洲99在线| 婷婷丁香久久| 五月丁香成人视频| 婷婷月五天在线在线看| 99久久超级| 操操天堂| 色综合性视频| 日韩超碰在线| 久久婷婷五月天| 91九色PORNY中文啦| 丁香六月成人网| 日韩婷婷| 操碰91| 久久五月天网| 99综合成人视频在线观看 | 99热亚洲精品| 大香蕉伊人99| 五月丁香六月婷婷亚洲综合| 久久婷婷七月丁香| 色 丁香婷婷| 婷婷久久五月天| 婷婷久久丁香五月| www.婷婷| 91色干| 婷婷开心久久| 精品99*| 9|在线观看视频| 欧美精产国品一二三区| 成人精品视频99在线观看免费| 亚洲色另类| 久久只有精| 婷婷五月天亚洲五码| 婷婷丁香黄色| 夜夜骑天天玩天天日| 日日鲁鲁鲁夜夜爽爽狠狠视频97| 99热在这里只有免费精品| 婷婷伊人五月天| 婷婷激情性爱| 99cao婷婷| 另类视频一区| 国产肥白大熟妇BBBB视频| 国产成人精品一区二区三区视频 | 自拍偷窥99热| 七七色色综合| 久久激情五月网| 26uuu另类亚洲欧美日本一| 99热一本| 激情久久四色| 狠狠色狠狠操| www.激情五月天。com| 99黄色性生活| 91丨九色丨熟女高潮| av色色国产| 丁香五月激情五月| 影音先锋 萱萱| 影音先锋女人av鲁色资源网小说免费| 97在线精品| 狠色狠色狠狠色综合网| 99久re热视频精品98| 天天日天天插天天操| 日韩成人AV在线| 久久婷婷综合基地| 色情婷婷| 丁香五月网络网络| 久草热久草在线视频| 天天干天天日日| 国产黄大片在线观看画质优化| 六月婷婷日| 五月天天天色| 极品另类| 激情九九六月激情免费视频| 日韩成人AV在线播放| 婷婷播5月| 一本久久亚洲五月婷婷| 成人超碰AV| 99九色视频在线观看| 色老久久| 日本久久99| 婷婷五月天激情视频| 超碰在线人妻| 午夜大香蕉| 久久激情五月天| 9999三级片| 婷婷五月天亚洲| 色丁香五月婷婷综合久久| 国产密乳av一区二区三区四区| 亚洲婷婷丁香五月视频| 噼里啪啦完整版中文在线观看| 狠狠香婷婷五月| 激情六月婷婷| 99爱精品视频| 啪啪操超碰| 婷婷综合久久| 精品国产va久久久久久久| 丁香六月天婷婷色| 开心婷婷五月| 丁香五月激情六月欧亚激情综合导航| 亚洲第一色色色色| 噜综合| 天天摸.天天mo| 丁香五月天激情| 五月婷婷激情五月| 久久色亭亭五月天| 综合激情站| 六月婷婷色综合| 日韩欧美成人片| 六月激情网| 色99自拍| 欧美色婷婷| 成人无码髙潮喷水A片| 狠狠爱成人综合网| 99热这里只有精品16| 超碰操网| 婷婷激情网五月天| 九九色婷婷| 夜夜撸天天日| 色狠狠999综合| 这里只有精品视频| 欧美成人色婷婷| 久久九九爽| 激情黄色五月天| 中文不卡一二三区| 五月天婷婷视频| 色婷婷激情四射视频| 亚洲va成人va成人va在线观看| 婷婷五月丁香久久| 极品人妻VIDEOSSS人妻| 91在线视频观看午夜福利| 亚洲另类毛片| 亚洲激情亚洲激情| 久久这里99| 日日懆天天懆| 婷婷五月天激情电影| 色婷婷五月综合| 五月婷婷AV| 丁香五月 激情文学| 超碰在线人人| 亚洲九九99精品视频在线播放| www.maotanji.com| www.婷婷六月天| 激情五月天伊人av| 91蜜桃婷婷狠狠久久综合9色| AA片在线观看视频在线播放 | 色吧综合网| 99色色最新视频| 狠狠操狠狠插| 淫视馆av三区| 台湾无码A片一区二区| 五月天成人手机在线视频| 97视频.干com| 丁香五月婷婷操逼| 五月婷激情| 26uuu成人网| 五月婷婷视频啪啪美女| 久久精品五月天| 激情久久伊人| www色色色com| 激情五月婷婷六月丁香| 婷婷大美在线| 精品操逼一区二区| 亚洲视频在线观看| 婷婷六月激情| 色五月婷婷色五月| 成人五月天色天堂| 日韩精品一区二区亚洲AV观看| www。久久久久一b。Cc| 婷婷久久精品| 丁香五月天激情AV| 九九热这里只有精品7| www.综合久久| www.lchjjc.com| 丁香色色色| 激情开心五月天| 免费观看大片视频 丁香婷婷 六月欧美| 丁香五月天激情婷婷丁香六月| 久久婷婷夜| 丁香婷婷五月色综合| 来吧亚洲综合网| 婷婷色五月开心五月| 天天色官网| 婷婷丁香色五月天久久88| 超碰在线观看9| 99在线免费视频播放| 国产亚洲精品AAAAAAA片| 中文资源在线a| 亚洲色色香蕉| 五月丁香六月婷婷不卡免费无码 | 99热最新精品| 五月婷激情| 天天肏天天爽夜夜爽| 狠狠干天天内射| 久久婷色| 丁香色成人| 亚洲一区二区色图-亚洲精品国产精品乱码-成人AV | 婷婷欧美| 五月综合无码| 米奇影视五月天| 免费99情趣网视频| www.天天色综合| 色碰碰| 丁香五月激情五月| 色婷婷在线电影| 亚洲综合五月天婷婷丁香| 婷婷丁香五月精品| 亚洲婷婷视频| 六月婷婷五月丁香首页| 人人操Av| 99这里有精品久久97| 婷婷激情五月天天天开心| 五月丁香六月婷婷不卡免费无码| 九九無碼| 五月天婷婷丁香社区| 色婷婷综合网| 日韩五月婷婷| 少妇综合网| 99色天堂| 色欲婷婷五月天| 婷婷五月色综合| 中文字幕成人影视| 日韩高清久久| 丁香激情五月| 色九综合| 天天日 天天草| 人妻日日日| 97在线观看| 琪琪秋霞| AV九九| 精品国产va久久久久| 色情五月综合婷婷| 五月婷婷久久综合| 久/久精品99看9| av人人操| 五月婷婷69| 97热久久五月婷婷| 一区操| 九 九九九AV| 狠狠干最新地址| 亚洲国产精品VA在线看黑人| 日本三级韩三级99久久| 色婷婷综合网站| 九九热免费| 色色色综合网| 一本久久亚洲五月婷婷| 五月激情在线| 五月婷婷视频啪啪美女| 亚洲中文字幕av| 五月婷婷久久激情| 91九九九九| 色播播之激情五月婷婷| 在线观看免费人成视频无码| 深爱激情久久| 久久婷婷桃花五月天| 天天摸天天透天天舔| 色噜噜五月天| 日本一级一级一级一级| 永久99免费视频网站| 无人区码一码二码三码医生系列| 开心五月婷婷在线| 婷婷五月激情黄色| 丁香六月五月天| 久久婷婷综合国产| 五月婷婷五月天| 丁香六月啪啪啪| 天天日天天插| 五月婷婷天天色| 亚洲精品国产A久久久久久| 婷婷五月丁香综合亚洲| 琪琪色影音先锋| 天搞天天天天天| 五月丁香啪啪综合| 色综合天天| 色久影院| 精品无码99| 亚洲五月婷婷| 97精品自拍视频| 激情久久伊人| 人操91在线| 色婷婷五月天成人网| 激情五月天丁香| 五月丁香久久久日婷婷久久婷婷日| 人人看人人要| 色五月婷婷在线观看| 91精品国产99久久久久久天美| 婷婷金品综合视频| 狠狠精品干练久久久无码中文字幕| 99热网精品| 丁香婷婷大香蕉| 激情五月天电影| 国产精产国品一二三在观看| 丁香丁婷五月激情| 久草性爱| aV直接看| 开心婷婷五月激情网小说 | 99视频在线观看网址| 桃色成人网| 大香线蕉伊人| 青娱乐美女福利视频美臀| 婷婷午夜| www.五月天色色.com| 五月婷婷人妻| 青青草国产亚洲精品久久| 激情四射五月天| www.91婷婷| 国产亚洲色婷婷久久99精品91 www.riverspirits.org www.hnnun.com www.changh | 天天干夜夜欢| 丁香激情五月天| 欧美性二区| 午夜爱爱网站| 一本婷婷丁香久久| 五月天伊人| 亚洲激情高潮| 欧美久人人| 人人综合久| 天天噪夜夜爽| www.yw色| 人人爽网| 色婷婷综合网站| 五月丁香婷婷俺| 婷婷激情五月吧| 久爱综合| 婷婷操超碰| 欧美激情xxxXX| 色五月大香蕉婷婷| 强辱丰满人妻HD中文字幕| 播五月丁香三月婷婷| 五月丁香六月激情网| 日本 色综合| 激情六月综合| 色婷婷久久综合中文久久一本| 色色色在线播放| 色婷婷色情| 成人做爰A片免费看网站找不到了| 久久伦乱| 九九热视频免费观看| 在线观看中文字幕亚洲| av超碰在线| 丰满少妇猛烈A片免费看观看| 丁香激情久久| 99re6久热只有精品6在线直播| 伊人综合网4| 涩五月婷婷| www.婷婷久久五月天| 美女五月天| 五月天色不卡| 婷婷婷五月天最新综合你懂的| 久99热| 丁香五月婷婷大香蕉| 色狠狠婷婷| 色激情五月天| 激情五月婷| 五月天婷婷激情在线色图| 密乳视频| 色色色色色色色综合| 亚洲天堂热| 五月刺激丁香月综合| 丁香九月激情| 在线成人网站| 99热在线播放| 五月丁香亚洲综合网| WWW.五月天9999| 天天肏在线观看| 亚洲无码猫咪| 人人色人人弄人人操| 99久久久99久久91熟女| AV在线免费播放| 色婷婷五月天| 五月天婷婷婷| 六月婷婷亚洲| 婷婷五月开心中文字幕在线| 国产亚洲精品人人| 色色色综合色| 91人人澡人人爽人人看| 成人精品网站在线观看| 五月天婷婷激情六月久久| 欧美综合激情| 极品另类| 五月天久久www| 婷婷欧美| 激情六| 性爱111111| 大香蕉婷婷色| 综合激情开心五月| 丁香97综合| 99精品在这里| 色婷婷五月影院| 五月激情综合网| 综合五月丁香六月婷婷| 丁香五月电影| 香蕉视频性爱BB做爱| 天天肏视频| 亚洲综合激| Aaa久久| 麻豆雪千夏| 六月香五月婷| 一月婷婷色色| 久草婷婷网 | 午夜福利8055| 26uuu精品一区二区| 深爱开心激情网| 五月天婷婷綜合院| 丁香五月婷婷啪啪| 五月婷婷啪啪| 色综合开心五月深爱五月| av在线播放网址| 色欲五月丁香| 五月天丁香综合久久国产| 色婷婷色久综| 色五月婷婷av| 五月天婷婷狂暴白浆| 五月丁香激情综合| 另类小说五月天综合| 97干视频在线| 蜜臀av 粉嫩av 懂色av| 色丁香五月婷婷| 色99网| 亚洲婷婷丁香五月天激情小说| 丁香五月婷婷五月| 亚洲蜜桃精久久久久久久久久久久| 色色色色色色色色色色色色色97| 久久99热这里只有精品23| 色吊丝永久访问网址| 激情玖玖sh| 影音先锋一区二区三区| www.色色色色| 深爱开心激情网| 色婷五月天| 亚洲免费电影2| 激情AV网| 人人干av| 久艹大香蕉| 狠狠干综合网| 99视频精品8| 大香蕉人人网| 综合色图区| 九九激情综合| 日本色色网站| 天天干天干| 天插天啪天啪天啪| 夜夜骑日日操| 97丁香婷婷| 色色五月天com| 五月丁香婷婷激情爱爱| 激情综合亚洲| 成人av中文字幕| 开心激情网五月天| 欧洲综合色| 色婷五月天亚洲| 天天色天天搡| 丁香六月久久| 9l视频自拍9l九色9l成人| 欧美成人精品A片免费一区99| 婷婷五月天激情网站| 色婷婷婷av| 亚洲色综合| 久久综合干| 91人人操.COM| 欧美婷婷综合| av人人操| 婷婷五月欧美| 婷婷综合干| 色青青电影色五月| 国产欧美性成人精品午夜| 啪啪91| 五月激情综合网| 丁香在线视频| 婷婷色综合| XX色综合| 五月婷婷五月天| 丁香激情五月天| 天天干天干| 99色| 曰曰久久| 超碰av在线| www。88热在线视频免费观看| 专区无日本视频高清8| 爱婷婷久久视频| 久久婷婷草| 啪啪操超碰| 狠狠舔| 亚洲精品V天堂中文字幕| 天天做天天爰天天爽天天无遮挡| 无码免费人妻A片AAA毛片西瓜| 另类激情五月| 欧美毛卡| 亚洲六月色| 色五月在线| 久久丁香综合精品综合| 久久久久丁香婷婷五月天| 成人一级片| 国产精品涩涩涩视频网站| 欧美婷婷五月天综合| 欧美WW在线网| 1024国产| 天天 日综合| 色色色色色综合| 久久机热/这里只有精品| 丁香五月天五码婷婷| 综合五月丁香97| 99免费| 五月开心激情网| 色婷婷狠狠久久YY| 婷婷91| 99视频这里有精品免费观看| 狠爱婷色| 久久久久人妻精品| 五月激情开心婷婷| 国产AV影片| av五月天婷婷丁香| 午夜色婷婷| 久久久久久五月天| 99热天堂| www.色婷婷。com| 啪啪视频99| 国产免费AV在线| 五月丁香好婷婷姑娘综合网| 婷婷日本色| 91欧美| 激情婷婷另类| 色色激情五月| 人人操AV| 伊人激情影院| 婷婷,五月天,丁香,第一| 亚洲无码影音| 99ri在线观看视频| 久热中文字幕在线线观看| 一月婷婷色色| 色五月激情五月| 99热精品在这里| 综合五月天亚洲婷婷| 丁香社92视频| 人妻av在线| 激情五月丁香亭亭| 亚洲 日韩色色| se99热久久一本| 成人做爰高潮A片免费视频| 丁香婷婷影院| 热无码A∨| 99re热在线视频观看| 性av| 色婷婷免费视频| 开心五月丁香啪| 午夜成人综合| 久久人妻超碰一区| 99久在线精品99re8热| www,色中色| 人妻精品在线| 天天肏天天舔AV| 五月天伊人| 婷婷播5月| 琪琪理论片| 狠狠99| 五月婷婷很很色| www.色综合| 天天色综网| AV天堂淫乩| 天天综合久久| 91精品激情9| 婷婷99狠狠| 婷婷五月丁香在线视频| 激情五月亚洲综合网| 四川操逼站| 免费观看全黄做爰的视频| 天天综合五月| 久热这里只有精品性色AV| 久久免费干| 国产成人一区二区三区在线观看| 开心婷婷丁香五月| 99视频在线观看视频| 色五月天激情| 精品一区久热| 99热这里是精品| 日韩AV片| 欧美α√| 婷婷成人综合免费视频| 99热主页日本| 婷婷五月六月丁香| 第九色区av天堂| 1024人妻| 五月天激情综合| 五月天六月婷婷电影| 欧美色骚婷婷五月天| 色五月丁香五月| 色狠狠综合入口| 丁香五月 性爱| 人人爱人人草| 91超碰在线观看| 欧美日本另类| 热思思| 米奇影视资源777狠狠色婷婷五月天激情网 | 丁香六月婷婷| 97色干| 成人视频在线免费播放| 五月婷婷丁香av| 婷婷丁香69精华| 欧美五月婷婷| 国产,欧美,学生妹,视频| 97色婷婷| 亚洲六月色婷婷| 五月天婷婷婷| 中文网av| 五月丁香六月婷婷免费视频| 殴美日比视频| 亚洲午夜电影| 9在线9在线婷婷在线国产| 性爱激情五月| 国产毛片精品一区二区色欲黄A片| 99色在线| 亚洲热久久| 久9视频| 久久久精品AV| 国产欧美va| 久久性爱视频久久性爱视频| 色情五月天A片| 超碰人人干| 91人操人人人操人| 丁香婷婷五月香蕉91| 99精品网| 97色天堂| 婷婷五月花| 色永久| ss视频xx91| 天天色天天噜| 婷婷六月天精品| 国产五月天激情小说| 丁香五月视频在线观看| 思思久久99热| 午夜婷婷丁香| 久久天天天| 久99热| 大香蕉久久| 色噜噜狠狠色综| 五月婷婷色播视频| 色情五月丁香婷婷网| 99在线观看视频精品| 午夜丁香| 丁香五月婷婷狠狠色| 激情婷婷丁香五月天小说| 九九这里只有精品在线视频| 五月天婷婷久久| 婷婷丁香五月天哟啪| 精品久久二6| 久鲁鲁色网| 婷婷五月天成人动漫| 成年AAAA色情| 五月婷婷就去色| 六月色色婷婷| 久久丁香五月婷婷| 六月色色婷婷| 思思久久99热只有频精品66| 激情深爱五月| 五月激情婷婷国产精品久久久久久| 亚洲国产精品VA在线看黑人| 99热免费| 九色PORNY自拍成人精彩视频| 色五月激情五月天| 欧美精品99久久久| 丁香激情综合|