统计学第一天内容

统计学第一天学习内容

1 总体和样本
总体均值为u、样本均值为X上加横线
2 方差

数据偏离总体中间水平的程度，这是总体方差。
数据偏离样本中间水平的程度.需注意均值为样本均值。由于事前不知道样本的分布，选择样本集求均值时，容易出现偏差。为避免这种情况，提供无偏估计，我们定义无偏样本方差。

标准差
标准差就是方差开平方。意义与方差一样，优点是直观。
诸方差公式
为了更快的计算方差，给出方差化简后的公式

随机变量介绍
随机变量通常用大写字母X，Y，Z等表示，而传统变量通常用小写字母x，y，z表示。随机变量有两类：离散型和连续型。随机变量X来表示，它只有0,1两种值即取值有限且不连续，X是离散型随机变量；而Y它可以取连续值0.1,0.2,0.5,0.511等，可以是无穷的数据，Y是连续型随机变量。
概率密度函数
概率密度函数是针对连续性随机变量而言的。
连续随机变量恰好等于某一个数值的概率值为0。

连续型随机变量的概率密度函数（在不至于混淆时可以简称为密度函数）是一个描述这个随机变量的输出值，在某个确定的取值点附近的可能性的函数。而随机变量的取值落在某个区域之内的概率则为概率密度函数在这个区域上的积分。
二项分布
二项分布针对的是离散型随机变量。二项分布是n个独立的是/非试验中成功的次数的离散概率分布。二项分布在趋于无穷的情况下概率密度曲线将趋于正态分布概率密度曲线。
期望
随机变量的期望值其实是总体的均值，但有时由于总体样本无限多，用均值计算方法很难计算，故提出期望计算均值的方法.其思想是用频率作为权重计算出所有结果的加权平均值。
二项分布的期望值

泊松过程是用来求取某个时间段内发生事情x的概率有多大且其是离散分布。
大数定律
数定律描述了随机现象最根本的一个性质：平均结果的稳定性。大数定律告诉我们：对于独立同分布的随机序列，只要总体均值（随机变量期望）存在，则随着样本数的增加，样本均值会收敛到总体均值。注意样本数的足够性，概率是频率的一个极限值，这样可以避免赌徒谬误。
正态分布
二项分布，泊松分布都是离散分布，而正态分布是连续分布。二项分布和泊松分布都可以转化为正态分布。泊松分布是,而正太分布是为无穷大。与均值相差一个标准差概率是68%， 两个标准差概率是95%，三个标准差概率是99.7%。当然具体计算也可以查阅正态分布表。