数学知识——概率统计（1）从接近“本质”的地方看概率统计

最新推荐文章于 2023-02-13 18:10:39 发布

Robin_Pi

最新推荐文章于 2023-02-13 18:10:39 发布

阅读量852

点赞数

分类专栏：数学知识文章标签：概率论统计学人工智能

本文链接：https://blog.csdn.net/Robin_Pi/article/details/103889110

版权

数学知识专栏收录该内容

19 篇文章 3 订阅

订阅专栏

写在前面

这篇是【数学知识】第一篇，也是”概率统计“的第一篇

人人都说”概率统计“，为什么不是”统计概率“？
概率论与统计学的关系又是什么？

一直以来对统计与概率学的理解不是很深，借此做一个小结。

本质理解

方式：由里及表（从目的出发）
通过随机变量的概率分布可以掌握它的随机特性，从而对它进行预测。

过程：
想对随机变量进行预测——
（为了预测）需要找到其概率分布——
（为了找到”概率分布“）需要试验并记录——
①试验
只对一定数量的样本进行随机试验（随机抽样）
（多次试验）不同的随机样本会构成不同的统计量”，所以这些统计量本身也是随机变量，他们也有概率分布——“抽样分布”
②记录
把样本的数据进行处理，将得到的平均值、标准差这类数据信息叫做”统计量“
——
把样本研究的结果用来反映总体的特征称为“统计推断”（包含两类问题）
——
① 估计
② 检验

总之，概率论与统计学正是因为”概率分布“这一核心思维才紧紧联系在了一起，不可分割，所以统称为”概率统计“。
再换言之，概率论是统计学的基础，统计学是概率论的发展，二者密不可分。

详细概念

常见的概率分布：
在这里插入图片描述

离散型概率分布

伯努利分布

伯努利试验，在相同条件下，重复的相互独立的随机试验。两种结果，1、成功（p） 2、不成功（1-p）。

伯努利试验指的是单次事件，而这次事件的结果是两个可能性结果中的一个。这样的事件都可以表达成“是或否”（“yes or no”）问题，

例如：抛硬币1次
二项分布

二项分布就是做了N次伯努利试验的分布。
当独立实验次数n=1时，二项分布就是伯努利分布。

做某件事情次数是固定的，次数用n表示，n次某件事相互独立
每一次都有两个可能的结果（成功，失败）
每一次成功的概率都相等，成功的概率用p表示
想知道k次成功的概率

例如：投了5次硬币，正面朝上3次的概率；投了六家股票，赚了4只股票的概率

几何分布

二项分布的孪生兄弟。

做某件事情的次数是固定的，次数用n表示。 N次某件事是相互独立的
每一次事件都有两个可能的结果（成功，或者失败）
每一次成功的概率都相等，成功的概率用p表示
想知道第k次做某件事情才取到第1次成功的概率是多少

例如，表白5次，每次的成功相同，第一次成功的概率是多少

泊松分布

单位时间范围内，发生某件事情K次的概率有多少。比如：1天内中奖的次数，1个月某机器损坏的次数。根据概率大小的来做出决策。

事件是互相独立的
在任意相同的时间范围内，时间发生的概率相同
你想知道某个时间范围内，发生某次事情K次的概率有多大。

泊松近似是二项分布的一种极限形式。其强调如下的试验前提：一次抽样的概率值 p相对很小，而抽取次数 n值又相对很大。因此泊松分布又被称之为罕有事件分布。

例如：某一服务设施在一定时间内受到的服务请求的次数，电话交换机接到呼叫的次数…

泊松分布与二项分布的关系：
当二项分布的n很大而p很小时，泊松分布可作为二项分布的近似，其中λ为np。通常当n≧20,p≦0.05时，就可以用泊松公式近似得计算。

小结

在这里插入图片描述

连续性概率分布

均匀分布

均匀分布也叫矩形分布，它是对称概率分布，在相同长度间隔的分布概率是等可能的。均匀分布由两个参数a和b定义，它们是数轴上的最小值和最大值，通常缩写为U（a，b）

指数分布

在概率理论和统计学中，指数分布（也称为负指数分布）是描述泊松过程中的事件之间的时间的概率分布，即事件以恒定平均速率连续且独立地发生的过程。这是伽马分布的一个特殊情况。它是几何分布的连续模拟，它具有无记忆的关键性质。除了用于分析泊松过程外，还可以在其他各种环境中找到。

正态分布

正态分布（Normal distribution），也称**“常态分布”，又名高斯分布**（Gaussian distribution）。
正态曲线呈钟型，两头低，中间高，左右对称因其曲线呈钟形，因此人们又经常称之为钟形曲线。
若随机变量X服从一个数学期望为μ、方差为σ²的正态分布，记为N(μ，σ²)。其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。
当μ = 0,σ = 1时的正态分布是标准正态分布。