这部分是我个人在上学时觉得最没用,在工作后觉得最有用,但很少有人用的知识了。
一、随机变量的数字特征
1)数学期望,数学期望反映了随机变量的取值中心;
2)方差,方差反映了随机变量的分散程度;取值越小,越集中
二、概率分布函数与概率密度分布函数
1)概率分布函数,因变量是概率;
2)概率密度函数,不像概率分布函数那样具体,而是比较抽象,概率分布函数可以看作是概率密度函数的积分。
三、常见分布
1)0-1分布,常见的例子,如仍一次硬币,又称伯努利分布
2)二项分布,即重复n次试验,而每次试验的结果只有两种可能,又称n重伯努利分布
3)几何分布,重复n次试验,试验一旦成功,则停止试验
4)泊松分布,描述为大量试验中稀有事件出现次数的概率
5)均匀分布,试验结果在[a,b]区间均匀分布
6)标准正态分布,当自变量比较多,但这些自变量之间都相互独立,那么这种分布通常可以看作标准正态分布
以上每种不同的分布,都有自己特定的分布函数、密度函书、数学期望以及方差。矩阵表待补充
四、常见的统计分析方法
数理统计以概率论为理论基础,收集、整理试验或观察到的数据,将获得的数据进行分析和推理,从而对研究对象的客观规律做出合理的估计和判断。
1)基于样本的常用统计量
a)样本均值
b)样本方差,样本标准差,样本k阶原点矩,样本k阶中心矩
c)次序统计量
待续。。。
2)参数估计
从样本出发构造一些统计量作为总体某些参数的估计量。最常估计的参数是总体数学期望和方差。
参数估计的形式有两种:
a)点估计
矩估计法和极大似然估计法。
b)区间估计
置信度与置信区间
3)假设检验
判断是否接受原假设判断的一种方法。
4)回归分析
判断两个或两个以上变量之间管理的一种方法。
5)正交试验法
均匀分散,整齐可比!