描述性统计部分（一）----统计量

最新推荐文章于 2022-04-19 21:55:48 发布

Sevan_Li

最新推荐文章于 2022-04-19 21:55:48 发布

阅读量1.1w

点赞数 2

分类专栏：概率论与数理统计

本文链接：https://blog.csdn.net/gdyflxw/article/details/53333926

版权

本文介绍了描述性统计的基础概念，包括期望E(X)的定义、性质及其应用，方差D(X)和标准差σ(X)的计算公式与作用，以及偏度和峰度等其他统计量的含义。这些统计量帮助我们理解随机变量的集中趋势、分布情况和数据的不对称与尖峰程度。

摘要由CSDN通过智能技术生成

描述性统计部分（一）—-统计量

标签（空格分隔）：概率论与数理统计

1、期望 $E(X)$

又叫均值、加权算术平均值，其计算公式为：

E (X) = \sum n i = 1 x i n = \sum j i = 1 x i \cdot k i \sum j i = 1 k i = \sum i = 1 \infty x i \cdot p i = \int \infty - \infty x \cdot f (x) d x = \sum i = 1 \infty g (y i) \cdot p i = \int \infty - \infty g (y) \cdot f (x) d x

$E(X)=\frac{\sum_{i=1}^nx_i}{n}=\frac{\sum_{i=1}^jx_i\cdot k_i}{\sum_{i=1}^jk_i}=\sum_{i=1}^{\infty}xi\cdot p_i=\int_{-\infty}^{\infty}x\cdot f(x)dx=\sum_{i=1}^\infty g(y_i)\cdot p_i=\int_{-\infty}^{\infty}g(y)\cdot f(x)dx$ 式中各参数含义：

参数	含义
$E(X)$	期望值，代表随机变量的平均水平，常用 $\bar x$ （样本）、 $\mu$ （总体）来表示
$x_i$	各数据的值，如得分、身高等等观测值
$n$	随机变量的个数，样本常用 $n$ ，总体常用 $N$
$k_i$	随机变量的分组内个数，比如气枪比赛中，在汇总数据时会说，有5个10环，4个9环，1个8环，它等价于10、10、10、10、10、9、9、9、9、8，此时就可以使用