作者：乔山办公网日期：
返回目录：excel表格制作
假设男、女身高均值分别为 μ1、μ2，这两个数的初值可以赋予任意两个不同的随机数，例如我们令初值为：
μ1=190,μ2=150
根据这个初值，我们来重新估计每个 xi 对应的 Mi 和 Fi 的期望值。这里e799bee5baa6e997aee7ad94e58685e5aeb9337，我们可以把 Mi 和 Fi 理解为 xi 对应男人和女人的人数，取值介于0～1之间。因为两类数据分布会产生重叠，因此，对于同一个身高数据，按照密度函数来计算分配人数比列。这里假设男人和女人的概率密度函数分别为 pm 和 pf，同一个身高数据 xi 对应的男、女人数计算如下：
Mi=pm(xi)pm(xi)+pf(xi)Fi=pf(xi)pm(xi)+pf(x1)
接下来，我们要更新 μ1、μ2 的值了，计算方法就是总身高除以总人数，算式如下：
μ1=M1x1+...+M8x8M1+...+M8μ2=F1x1+...+F8x8F1+...+F8
这里可以把 Mi 和 Fi 理解为 xi 对应男人和女人的人数，取值介于0~1之间。
看到这里，我服气得简直要跪了。因为我特地准备两个170cm的身高，这个身高男女各一个数据，我想看看EM如何处理。之前我是用K均值聚类算法的思维来看这个问题，没想到EM给我来了一个“模糊数学”的处理技巧，把这个问题巧妙化解了。
数据170对应男、女人数都是0.5，因为有两个170，所以，男人和女人每组仍然能分配一个，这正好恢复了男女数据没混和以前的样子。
接下来没啥悬念了，重复迭代上面的过程，直到 μ1、μ2 收敛为止。如果 Mi 和 Fi 最终确定了，相当于把抽样数据区分开了，求分布的其他参数也变得毫无悬念了。
插值用excel就可以了
直接将日期导入，将会出现问题。如果日期为“yyyy-mm-dd”格式destring date, replace ignore("-")可以将date由字符型转为数据型。或通过encode date,gen(t)使得e79fa5e98193e59b9ee7ad94337t是数据型。但是它们都不能得到日期型数据，最多也就是数值型。更不能使用如下命令来得到想要的细化数据：gen d=day(date)gen w=week(date)gen m=month(date)gen q= quarter(date)gen hy= halfyear(date)gen y=year(date)gen ndate1=mdy(m,d,y)gen weekd=dow(date) //周几gen yeard=doy(date) // 一年中的第几天解决方案:在excel中，生成新的变量ndate，使得ndate是日期date和1960－01－01的天数差值。将数据集另存为.csv格式，导入stata。format ndate %d新的日期变量就此诞生，可以灵活使用各种对日期处理的命令对其进行处理。用数据转换工具StatTransfer，也可以达到这个目的，貌似很快，呵呵。还是列强的东西先进阿……
这个内容就多了，要根据你的具体数据来写命令