推断性统计学(一,二)
我之前在上概率论与数理统计这门课的时候,关于推断性统计有很多知识都没有仔细地去看,因此过了一年就忘记了。因此在我马上学习深度学习之际,想对它重新复习一下。所以在Udacity上我选了这门课。
,这一系列的博客就是按照Udacity的《推断性统计学》来写的。
首先Udacity上的这门推断性统计是接着描述性统计课来的。所以它的第一章是在总结描述性统计的内容。但是笔者根本没有看见这段话!因此在一开始学习的时候是懵逼的——为什么直接从第7章开始了?为什么一开始上来就这么多问题?在学了一段时间后,才渐渐从懵逼中缓和。
知识点
点估计与区间估计
点估计(point estimation)是用样本统计量来估计总体参数,因为样本统计量为数轴上某一点值,估计的结果也以一个点的数值表示,所以称为点估计。
区间估计(interval estimation)是参数估计的一种形式。通过从总体中抽取的样本,根据一定的正确度与精确度的要求,构造出适当的区间,以作为总体的分布参数(或参数的函数)的真值所在范围的估计。
以上解释来源于百度百科。
- 点估计的最常见的应用就是矩估计,例如利用抽样均值来估计总体均值。
- 区间估计的最常见应用则是置信区间,这在假设检验中经常使用。
接下来我们要说的Z假设检验就利用了区间估计。
标准误差
标准误差(Standard Error) δs 是对误差的一种估计,其公式为:
δs=δn‾‾√δ为样本方差,