Task02：数理统计与描述性分析

一、基本概念

在数理统计中，称研究对象的全体为总体，通常用一个随机变量表示总体。组成总体的每个基本单元叫个体

抽样：每次抽取必须是随机的、独立的，才能更好地反映总体情况

简单随机抽样：每个个体被抽到的机会是均等的，x1、x2、x3···xi互相独立，且xi与总体X同分布

样本作为随机变量，有一定的概率分布，称为样本分布，取决于总体的性质和样本的性质。

注意：样本具有两重性，即当在一次具体地抽样后它是一组确定的数值。但在一般叙述中样本也是一组随机变量，因为抽样是随机的。

抽样分布：统计量的分布

二、常用的统计量

样本均值、样本方差、k阶样本原点矩（当K=1的时候等于样本均值）、k阶样本中心矩（当样本量足够大时，1/n与1/(n-1)相等，通常用样本的k阶中心矩估计总体分布的k阶中心矩）、顺序统计量（按从小到大的顺序排列，最小顺序统计量、最大顺序统计量、第r个顺序统计量）

三、描述性统计

3.1 数据集中趋势的度量

平均数(受极值影响)、中位数(缺乏敏感性)、众数(数据有明显集中趋势时代表性较好)、百分位数

import numpy as np
np.mean()#均值
np.median()#中位数
#利用numpy计数求众数,适用于非负数据集,nums为数据列表
counts = np.bincount(nums)
np.argmax(counts)
#利用scipy下的stats，nums为数据列表
from scipy import stats
stats.