网易公开课 可汗学院 统计学
0.基本概念
- 均值 mean 样本值的和/样本个数
- 中位数 middle:从小到大排列后最中间的1个数,如果偶数个样本则取最中间2个数的平均值
- 众数 mode: 样本中出现次数最多的值
- 极差 range:最大值-最小值
- 中程数:最大值和最小值的平均数(max+min)/2
- 象形统计图 pictograph
- 条形图 bar graph 适用于将事物归类,看每一类分别是什么情况
- 折线图 line graph
- 饼图 pie chart/ pie graph 看到各部分的占比
- 折线图的纵坐标刻度很容易误导人。折线图的优点是可以看出趋势
- 茎叶图 stem-and-leaf plot 看分布情况
Stem | Leaf |
---|---|
0 | 0 0 2 4 7 7 9 |
1 | 1 1 3 8 |
2 | 0 |
Stem代表高位(这里是十位),Leaf代表低位(这里是个位)
也就是说大家的得分是 0 0 2 4 7 7 9 11 11 13 18 20.
12. 箱线图 box-and-whiskers 3个四分位点,最大值 最小值,第一个四分位点和我第三个四分位点之间的50%数据放在盒中 。箱线图可以看出数据的分布,以及中位数,最大最小值。
1.描述性统计学
统计学:
- 描述统计学(descriptive)
- 推论统计学 inferential statistics 总体,样本
集中趋势:central tendency
Average
算术平均 几何平均 调和平均 mean(容易受到异常值影响) median mode 等等都可以叫做average
样本 sample
总体 population
总体均值 样本均值
u【mu】:总体均= sigma(xi)/N N:总体个数
_
x : 样本均值 = sigma(xi)/n n:样本个数
总体方差:
sigma^2=[sigma(xi-u)^2]/N
含义:每个样本点距离均值的平均距离
样本方差S^2=[sigma(xi-样本均值)^2]/(n-1),除以n通常会低估了总体方差,除以n-1才能得到总体方差的无偏估计。
标准差 standard deviation:方差开根号
总体标准差:sigma
样本标准差:S。
样本方差的期望是总体方差,但样本标准差的期望不是总体标准差。
有了方差为什么还要标准差?
——因为要使得量纲相同。标准差和均值的量纲(单位)是一致的,在描述一个波动范围时标准差比方差更方便。比如一个班男生的平均身高是170cm,标准差是10cm,那么方差就是100cm^2。可以进行的比较简便的描述是本班男生身高分布是170±10cm,方差就无法做到这点。
方差公式变换:
sigma^2=[sigma(xi-u)^2]/N
=sigma(xi^2-2xiu+u^2)/N
=[sigma(xi^2)]/N-u^2
随机变量Random Variable
更类似一个函数映射
如:
X={ 20 , if 明天下雨
100,if 明天不下雨
骰子抛出的数字也是随机变量
随机变量分为离散随机变量和连续随机变量。
如:X=明天的雨量
概率分布函数
概率分布:probability distribution
随机变量的概率分布函数之和为1
x | 1 | 2 | 3 | 4 | 5 | 6 |
---|---|---|---|---|---|---|
P(X=x) | 1/6 | 0 | 1/6 | 1/6 | 1/6 | 2/6 |
连续随机变量的分布叫概率密度函数。
二项分布
P(X=k) = C(n,k) * p^k * (1-p)^(n-k)
B(n,p),n表示试验次数,p表示一次实验成功的概率。
如果np有极限lambda,则这个二项分布就趋向于参数为lambda的泊松分布,反之如果np趋于无限大(如扔1亿次均匀硬币),则根据中心极限定理,二项分布趋于正态分布。
实际中n很大时一般用正态分布计算二项分布,如果np比较小(比起n来说很小),那么用泊松分布计算更好,因为泊松分布和二项分布是离散分布,正态分布是连续分布。
期望
随机变量的期望也就是总体的均值。但是此时的总体是无穷多的,不能用每个样本值的和/N,只能用频率。
如果说概率是频率随样本趋于无穷的极限
那么期望就是平均数随样本趋于无穷的极限
二项分布的期望:E(X)=np
P(X=k)=(n,k)p^k*(1-p)^(n-k)
EX:概率加权平均=0*P(X=0)+1*P(X=1)+…+nP(X=n)=sigma(k=1,n)k*(n,k)p^k(1-p)^(n-k)=