数据分析求职-统计学知识-Part1

数据分析-统计学知识Part1

一、随机变量和随机实验

1.随机试验是在相同条件下进行大量重复观测
· 特点：1.试验前不能断定产生的结果;2.能指出全部可能出现的结果；3.重复实验的结果以随机方式出现。
· 例子：抛硬币
2.随机变量是随机试验的结果。
例子：单次抛硬币结果，硬币正面朝上的次数，单次优惠券使用情况，优惠券转化率都可用X表示

二、样本和随机变量

样本：每次随机试验的结果，“观测值”，随机变量用X 表示，样本用x1,x2表示。
例子：使用优惠券用户xi=1,没有使用则xi=0
随机变量根据分布来区分不同。

三、随机变量分类

随机变量分为两类：连续型、离散型
离散型：可数（不是有限！）
例子：APP每小时用户数量，可按次序列举
连续型：不可数
例子：概率【0，1】，不是无限，无法依次取出

四、离散型随机变量的分布

1.伯努力分布（0-1分布）

每次实验只有非A即B的结果，p表示事件A发生，1-p表示事件B发生。
例子：抛硬币P（X=1）=0.5
例子：优惠券转化率p, P（X=1）=p

2.二项分布 (n重伯努利分布)

n个独立重复的伯努利分布称为n重伯努利分布，1.每个伯努利发生概率均为p；2.各实验结果相互独立
例子：发出1000张优惠券，有x张被使用的概率为：

3.泊松分布

一种离散概率分布，描述单位时间或空间内随机事件发生的次数
例子：1.某APP在单位时间内访问的人数。2.如果一家音像店平均每周五晚上有400名顾客，那么在任何一个周五晚上有600名顾客进来的概率是多少？
分布律为：
λ表示单位时间（或单位面积）内随机事件平均发生的次数。
使用场景：对于某些没有提前了解过的实验，可用泊松分布初步描述

五、连续型随机变量的分布

PDF和CDF
通常用F(x)表示连续型随机变量的分布函数，F(x)=Pr(X<=x)，所以F(x)也称为累积函数分布 (CDF)
f(x)称为概率密度函数 (PDF),F(x)=${\int }_{-\infty }^{x}f(x)dx$

1.均匀分布

概率密度函数为：$f(x)=\frac{1}{b-a},x在[a,b]$

2.正态分布

概率密度函数：$f(x)=\frac{1}{\sqrt{(}2\pi \sigma )}{e}^{\frac{-(x-\mu {)}^2}{2{\sigma }^2}}$
例子：KaTeX parse error: Undefined control sequence: \sigam at position 2: 3\̲s̲i̲g̲a̲m̲方法，用于数据质量监控，随着数据量的增加，其均值分布会逼近正态分布，即为中心极限定理

3.指数分布

描述泊松分布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发生的过程。
概率密度函数：$f(x)=\lambda e^{\lambda x}(x>0)$,其中$\lambda 表示泊松分布里单位事件内发生某件事件的次数$
特点 : 无记忆性，即$P(X>t+s|X>t)=P(X>s)$
许多电子产品的寿命分布一般服从指数分布。如果T是某一元件的寿命，已知元件使用了t小时，它总共使用至少小时的条件概率，与从开始使用时算起它使用至少s小时的概率相等。