商务与经济统计笔记

最新推荐文章于 2020-12-17 10:10:01 发布

life_is_short_..

最新推荐文章于 2020-12-17 10:10:01 发布

阅读量701

点赞数 1

分类专栏：统计

统计专栏收录该内容

1 篇文章 0 订阅

订阅专栏

一些链接：
Excel在概率统计二项分布泊松分布指数分布样本均值中的应用
来自:Office之家
链接:http://www.icanzc.com/excel/6638.html

一、数据与统计资料

1.2.1数量型数据可以离散的，也可以是连续的

离散：度量可数事务的多少
连续：度量不可数事物的多少

1.2.2 测量尺度

在这里插入图片描述

1.3.2 观测性研究

研究人员无法控制变量情况

1.3.3 实验

在控制条件下进行，选择感兴趣的特殊变量，然后控制一个或多个其他变量

1.4 描述统计

以图形、表格、数值形式汇总的统计方法

1.6 逻辑分析方法

描述性分析
预测性分析
规范性分析

二、描述统计学Ⅰ：表格法和图形法

2.1 汇总分类变量

2.1.1 频数分布

表示在几个互不重叠的组别中，每一组项目的个数（即频数）

2.1.2 相对频数和百分比频数

组的相对频数 = 组的频数/n
组的百分比频数 = 组的相对频数 * 100

2.2 汇总数量变量

2.2.1 频数分布

1 – 确定互不重叠组的组数
建议5~20个组，组数随着数据项增加或减少
2 – 确定每组的宽度
近似组宽 = （数据最大值 – 数据最小值）/ 组数
3 – 确定组限
上组限和下组限，比如：10_14,1519,20~24…….
这时，组宽 = 相邻组下组限之差
15-10=5，组宽就是5

组中值：是下组限和上组限的中间值，比如12, 17, 22……

2.2.4 直方图

直方图是各纵条之间没有间隔的条形图
左偏：尾巴偏左，从左往右呈放大趋势

三、描述统计学Ⅱ：数值方法

位置度量：

平均数、中位数、众数

百分位数，四分位数

百分位数的位置 = (p / 100) * (n + 1)

变异程度的度量：

四分位数间距= Q3 - Q1
方差 - 标准差 - 标准差系数

相对位置的度量：

z-分数：Xi与平均数的距离是Zi个标准差

切比雪夫定理：与平均数的距离在z个标准差之内的数据值，所占的比列至少为（1 – 1/z²）
z是>1的任意实数（可以是小数）

异常值检测：

四分位数确定法：
下限 = Q1 – 1.5 * IQR
上限 = Q3 + 1.5 * IQR

汇总统计

五数概括法：
1 - 最小值
2 - 第一四分位数（Q1)
3 - 中位数（Q2)
4 - 第三四分位数（Q3）
5 - 最大值

箱型图

两变量间关系的度量

样本协方差

s_xy = Σ(x_i - X_)*(y_i - Y_) / (n -1)
X_ 表示X的平均数

协方差是一个大的正值，就表示一个强的正线性关系；
协方差是一个大的负值，就表示一个强的负线性关系。

线性：
如果可以用一个二元一次方程来表达两个变量之间关系的话，这两个变量之间的关系称为线性关系，因而，二元一次方程也称为线性方程

四、概率

计数法则

1 - 多步骤实验

如果一个实验可以看作循序的k个步骤，在第一步中有n1种实验结果，第二步中有n2种实验结果，以此类推。那么实验结果的总数为n1n2…*nk

2- 组合计数无放回情况

以元素不同作为判断

从N项中选取n项的实验中：
CnN = N! / n!(N - n)!

3 - 排序计数有放回情况

以顺序不同作为判断

从N项中选取n项的实验中：
PnN = N! / (N - n)!

概率分配

概率分配的基本条件：
以Ei表示第i种实验结果，P(Ei)表示这种实验结果发生的概率

1 - 每个实验结果的概率值必须在0和1之间：
0 <= P(Ei) <= 1

2 - 所有实验结果概率之和必须等于1：
P(E1) + P(E2) + … + P(En) = 1

古典法

条件：各种实验结果时等概率发生的
例如：抛硬币，向上向下的概率都是1/2

相对频率法

条件：适用于大量重复进行的实验，并且能取得发生频率的数据

主观法

条件：当不能假定实验结果时等可能发生的或者无法取得相关数据时

条件概率

P(A | B) ：在B发生的条件下，考虑A发生的概率
P(A | B) = P(A ∩ B) / P(B)

独立事件

两个事件A, B是相互独立的，如果：
P(A | B) = P(A) or P(B | A) = P(B)
否则，两个事件是相依事件

乘法公式

P(A ∩ B) = P(B) P(A | B) or P(A ∩ B) = P(A) P(B | A)

独立事件与互斥事件的区别：
独立事件：B事件的发生与否，不影响A事件发生的概率
互斥事件：A与B不可能同时发生，A与B没有交集

贝叶斯定理

适用情况：
当我们希望计算后验概率的那些事件是互斥的。且它们的并构成了整个样本空间

五、离散型概率分布

离散型随机变量与连续型随机变量

Tips: 把所有随机变量的值看作一条线上的点，任意选择随机变量的两个值：
1 - 假如这两点间的所有点都有可能是随机变量的取值，则该随机变量就是连续的
2 - 假如这两点间不存在可以无限取值的情况，则该随机变量就是离散的

例子：
1 - 离散变量：一天中到达汽车站的人数，可以是{0 ,1 ,2 ,…}中任意数字
2 - 连续变量：工人完成某项任务的时间x, x > 0的任意时间

5.3.1 离散型随机变量的数学期望

也叫均值，是对随机变量中心位置的一种度量
E(x) = Σxf(x)

5.3.2 离散型随机变量的方差

Var(x) = Σ(x - E(x))^2f(x)

5.4.1 二元经验离散概率分布

随机变量x与y的协方差
= [Var(x + y) - Var(x) - Var(y)] / 2

随机变量x和y的线性组合的数学期望
E(ax + by) = aE(x) + bE(y)

两个随机变量的线性组合的方差
Var(ax + by) = a²Var(x) + b²Var(y) + 2ab*x与y的协方差

5.5 二项概率分布

5.5.1 二项试验

二项试验的性质：
1 - 试验由一系列相同的n个试验组成；
2 - 每次试验有两种可能的结果，把其中一种叫做成功，另一种叫做失败；
3 - 每次试验成功的概率都是相同的，用p表示；失败的概率也是相同的，用1-p表示
4 - 试验是相互独立的

5.6 泊松概率分布

性质：
1 - 在任意两个相等长度的区间上，事件发生的概率相等
2 - 事件在某一区间上是否发生与事件在其他区间上是否发生是独立的

泊松分布的数学期望=方差

5.7 超几何概率分布

性质：
1 - 各次试验中成功的概率不等
2 - 各次试验不独立

六、连续型概率分布

6.1 均匀概率分布

只要概率与区间长度成比例，随机变量就是均匀分布

6.2 正态概率分布

EXCEL公式： NORM.DIST(x, mean, standard_dev, cumulative)

X 必需。需要计算其分布的数值。
Mean 必需。分布的算术平均值。
standard_dev 必需。分布的标准偏差。
cumulative 必需。决定函数形式的逻辑值。如果 cumulative 为 TRUE，则 NORM.DIST 返回累积分布函数；如果为 FALSE，则返回概率密度函数。

6.4 指数概率分布

EXCEL公式： EXPON.DIST(x, lambda, cumulative)

X 必需。函数值。
Lambda 必需。参数值，即1/u。
Cumulative 必需。逻辑值，用于指定指数函数的形式。如果 cumulative 为 TRUE，则 EXPON.DIST 返回累积分布函数；如果为 FALSE，则返回概率密度函数。

七、抽样和抽样分布

7.2.1 从有限总体的抽样

简单随机样本：
从容量为N的有限总体中抽取一个容量为n的样本，如果容量为n的每一个可能的样本都以相等的概率被抽出，则称该样本为简单随机样本

7.2.2 从无限总体的抽样

随机样本：
如果从一个无限总体中抽取一个容量为n的样本，使得下面的条件得到满足：
1 - 抽取的每个个体来自同一总体；
2 - 每个个体的抽取是独立的。
则称该样本是一个随机样本

八、区间估计

区间估计 = 点估计 ± 边际误差
任何正态分布随机变量都有95%的值在均值附近±1.96个标准差以内

九、假设检验