分析程序要证明“实际数 ≈ 期望值”。用回归建期望模型，把实际值减期望值画成偏离带，超阈值的点就是该查的。

import numpy as np
import matplotlib
matplotlib.use("Agg")
import matplotlib.pyplot as plt

def analytic_procedure(x, y, out="trend_deviation.png"):
    # x: 驱动因子(如销量); y: 审定费用
    coeffs = np.polyfit(x, y, 1)
    expected = np.polyval(coeffs, x)
    deviation = y - expected
    threshold = 2 * np.std(deviation)
    plt.figure(figsize=(9, 5))
    plt.scatter(x, y, label="实际")
    plt.plot(x, expected, "r--", label="期望(回归)")
    mask = np.abs(deviation) > threshold
    plt.scatter(x[mask], y[mask], c="black", marker="x", label="超阈偏离")
    plt.legend()
    plt.title("实质性分析：实际 vs 期望")
    plt.tight_layout()
    plt.savefig(out, dpi=120)
    plt.close()
    return deviation, threshold

rng = np.random.default_rng(7)
x = rng.uniform(1000, 5000, 60)
y = 3.2 * x + rng.normal(0, 800, 60)
dev, thr = analytic_procedure(x, y)
print("偏离阈值:", round(thr, 1), "超阈点数:", int(np.sum(np.abs(dev) > thr)))


分析程序不该停留在“觉得不对劲”。回归+偏离带把直觉变成可复核的边界。

你的分析程序有期望值模型吗？还是纯比对去年同期？留言聊聊。

点赞、收藏、关注，下期《抽样与可视化联动：从样本到报告图表一键出》。

会计师事务所的一名注册会计师

问题分析程序要证明“实际数 ≈ 期望值”。用回归建期望模型，把实际值减期望值画成偏离带，超阈值的点就是该查的。

200 · Python 统计抽样与可视化：实质性分析程序的可视化（回归与趋势偏离）

用回归模型构建期望值，结合偏离带识别异常点，形成可复核的实质性分析闭环，提升审计效率与准确性。

2026上云采购 | AI焕新·智启新局

cloudaudit

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

200 · Python 统计抽样与可视化：实质性分析程序的可视化（回归与趋势偏离）-腾讯云开发者社区-腾讯云

200 · Python 统计抽样与可视化：实质性分析程序的可视化（回归与趋势偏离）

200 · Python 统计抽样与可视化：实质性分析程序的可视化（回归与趋势偏离）

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐