概率论与统计
文章平均质量分 91
记录自己重新学习概率论与数理统计的历程
苍老流年
对未来的不确定与焦虑保持独立的判断与认知
展开
-
python实现常见一元随机变量的概率分布
生成服从不同参数二项分布的随机数组(采样100000次),然后查看数组的频率分布。生成服从不同参数几何分布的随机数组(采样100000次),然后查看数组的频率分布。生成服从不同参数泊松分布的随机数组(采样100000次),然后查看数组的频率分布。生成服从不同参数正太分布的随机数组(采样100000次),然后查看数组的频率分布。生成服从不同参数指数分布的随机数组(采样100000次),然后查看数组的频率分布。画出不同参数下的二项分布,画出不同参数下的几何分布,画出不同参数下的正太分布,的函数,比如随机变量。原创 2024-03-01 21:47:50 · 1025 阅读 · 0 评论 -
python实现常见统计量与统计分布
正太分布是统计中最常见的分布,以标准正太分布为基础构造的三个重要的统计量在实际中也有广泛的应用。一般由于总体的数量是非常巨大的,不可能对全部总体进行研究,通常会对总体进行抽样进行研究。从总体中按一定规则抽出的一部分个体称为样本,样品的个数称为样本容量。一个统计问题研究对象的全体称为总体,构成总体的每个成员称为个体。为样本标准差,峰度用来对数据分布的平峰或尖峰程度的测量。为取自某总体的样本, 若样本函数中。的分布称为自由度为n的卡方分布,记为。为取自某总体的样本,则偏度。为取自某总体的样本,峰度。原创 2024-03-24 21:32:16 · 802 阅读 · 0 评论 -
python实现大数定律与中心极限定理
大数定律表明随机变量序列的算术平均值依概率收敛于随机变量的期望。从图中可以看出随着样本量的增大,样本的均值逐渐收敛于总体期望。的分布会越来越趋近于标准正太分布。下面用代码来演示这个收敛过程。从图中可以看出随着抽样次数的增加,随机变量。是独立同分布的随机变量序列,且随机变量。是独立同分布的随机变量序列,且随机变量。服从二项分布,则随机取出一个长度为。,随着抽样次数的增大,随机变量序列。的分布越来越跟标准正太分布吻合。的均值的极限值就是随机变量。的增大,该随机变量序列。分布服从标准正太分布,原创 2024-03-22 09:40:27 · 954 阅读 · 0 评论 -
假设检验与两类错误
首先从一个例子引出假设检验的思想假如一个盒子装了红白球共100个,张三说里面有99个是白球,现在从盒子中任取一球,结果取出的是红球,问张三的说法对吗?对于这个问题,我们可以采取如下的思路来解决,先假定张三说的对,那么取出红球的概率p红球1100p(红球)=1/100p红球1/100,也就是一次抽样取出红球是小概率事件,但现在一次抽样抽出红球,与小概率事件实际不符,所以我们认为原来的假定为假,这个盒子中不可能有99个白球。原创 2024-04-07 14:52:56 · 1490 阅读 · 0 评论 -
python实现假设检验-z检验
当总体服从正太分布Nμδ2Nμδ2时,统计量zX‾−μδnzδnX−μ服从标准正太分布,因此可以利用该统计量对样本均值X‾X进行假设检验。这种检验方法称为zzz检验法。总体服从正态分布且方差已知,此时统计量zX‾−μδnzδnX−μ总体的方差未知,但样本量足够大,一般样本容量nnn需要大于30,此时统计量zX‾−μSnzSnX−μδ\deltaδ为总体标准差,SSS。原创 2024-04-08 16:23:08 · 1328 阅读 · 0 评论 -
python实现假设检验-t检验
设总体X∼Nμδ2X∼Nμδ2,其中μδ2μδ2未知,统计量tX‾−μSntSnX−μ服从标准正太分布,可以利用该统计量对总体均值μ\muμ进行假设检验,这种检验方法称为ttt检验法。适用条件:总体服从正态分布且方差未知;样本容量较小,一般小于30。原创 2024-04-20 15:41:31 · 1475 阅读 · 2 评论 -
python 实现方差检验
前面介绍的z检验和t检验主要用于对总体的均值进行假设检验,下面主要介绍对总体方差进行假设检验的方法。原创 2024-04-15 16:50:58 · 828 阅读 · 2 评论