统计知识

学习内容
学习内容（一）
可汗学院统计学12-26集，统计学基础知识、二项分布及泊松分布
学习内容（二）
可汗学院统计学27-34集，大数定理、正态分布
资料《深入浅出统计学》
样本和总体
总体：研究对象的整个群体。
样本：研究中实际观测或调查的一部分个体。
样本方差：
为什么样本方差的分母是n-1？
比较通俗的解释：
因为所得到的样本均值不等于总体均值，导致样本方差在计算的时候偏小，这时候通过减小分母量来使修正样本偏差。
严肃的解释：
由均值的计算公式知：一旦计算平均值，n个变量就是不再独立了，都与均值产生了联系，也就是说在n个随机变量Xi 中只要知道了其中的任意n-1个及均值,就能求出另外一个，故能自由地取值的随机变量只有n-1个。所以在用均值计算方差时，能自由变化的随机变量只有n-1个，所以方差要除是n-1。

设计样本：确定目标总体，确定抽样单位，确定抽样空间。
无偏样本：该样本与总体样本具有相似特性，利用相似特性对总体本身做出判断。一个无偏样本的分布形状与作为其来源的总体的分布形状相似。

几何分布
假设成功一次的概率为p，几何分布是关于成功一次所需要试验的次数的概率分布。
指第r次成功，前r-1次都失败的概率。
期望：成功一次所需要的期望次数，
方差：

ps：方差的一般计算公式：

二项分布
说起二项分布，先说一下伯努利试验，也就是n次独立重复试验。
伯努利试验特点：

每次试验中事件只有两种结果。
每次试验中事件发生的概率相同。
n次试验的事件相互之间独立。
概率公式： (p为单次试验成功的概率，p为单次试验失败的概率)
上诉公式表示：在n次试验中，成功r次的概率。

举一个例子来说明：
假设小明投篮成功的概率为0.3，共投了10次。
投篮只有投中或者不中，每次投中的概率不变为0.3，前一次投篮不影响后一次投篮，符合伯努利试验条件。
小明投中的次数符合二项分布。

期望：E(X) = 10 * 0.3 = 3
方差：Var(X) = 10 * 0.3*0.7 = 2.1

泊松分布：
(1) 定义：泊松分布是一种统计与概率学里常见到的离散概率分布。
泊松分布由二项分布推导而来。
泊松过程：把单位时间分为无限份，每一份的概率为
,随机变量X符合二项分布，可由二项分布公式推导出泊松分布公式。
泊松分布适用于描述单位时间内随机事件发生的次数。

泊松分布P (λ)中只有一个参数λ ，它既是泊松分布的均值，也是泊松分布的方差。其中k=0,1,2…

以视频上的例子来说明：
假如你是一名交通工程师，想知道任意时刻通过街上某一点的车辆数，确定某一个小时内100辆车通过的概率。
假设：
街上车流量任意情况没有差异。（虽然真实情况存在某些时候车流量大，但这里简化处理）
一段时间的车流量对另一段时间的车流量没有影响。
首先定义一个随机变量X，表示一个小时内通过的车辆数，然后通过求出随机变量的概率分布，这样就能求出某一个小时内通过100辆车的概率。

大数定律
概念：在随机事件的大量重复出现中，往往呈现几乎必然的规律，这个规律就是大数定律。通俗地说，这个定理就是，在试验不变的条件下，重复试验多次，随机事件的频率近似于它的概率。当我们的样本数据量足够大的时候，我们就可以用样本的平均值来估计总体平均值。
用Python实现大数定律过程

numberSize = 1000
randData = np.random.normal(loc=10,scale=50,size=numberSize) #loc为正态分布的均值，scale为标准差，size为输出的值
randData_average = [] # 当使用 np.random.rand(size)是标准的正态分布
sum_rand = 0
for i in range(len(randData)):
sum_rand += randData[i]
randData_average.append(sum_rand/(i+1))
x = np.arange(0,numberSize,1)
y = randData_average
plt.plot(x,y)
plt.plot([0,numberSize],[10,10],‘r’)

从图中可以发现：当迭代次数逐渐增大的时候，样本的均值接近期望值10.
参考：大数定律
赌徒谬论
上次我在看别人打牌的时候，有个人输了蛮多钱，就说，后面一定会赢钱，前面都输了这么多了。这一点很明显是错的，每一场牌局都是一次独立的试验，每一场输赢的概率都不变，前面的结果不影响后面的情况。
是不是大数定律失效了呢？ 明显不是，大数定律说的是，样本数据量足够大。

正态分布又名高斯分布（Gaussian distribution）。
假设一随机变量X服从一个期望为 μ，方差为 σ2 的正态分布，概率密度函数为

则可记为
X∼N(μ,σ2)
当μ=0,σ=1 时，称X∼N(0,1) 服从标准正态分布。标准方差为的高斯分布，标准正态分布是μ=0，σ=1的正态分布。
我们在计算概率的时候一般会使用z变换将正态分布转化为标准正态分布来计算。
注意：
68.27%的面积在平均值左右一个标准差内
95.45%的面积在平均值左右两个标准差内
99.73%的面积在平均值左右三个标准差内
参考博客：
https://cosx.org/2013/01/story-of-normal-distribution-2/