阅读之前看这里👉:博主是正在学习数据分析的一员,博客记录的是在学习过程中一些总结,也希望和大家一起进步,在记录之时,未免存在很多疏漏和不全,如有问题,还请私聊博主指正。
博客地址:天阑之蓝的博客,学习过程中不免有困难和迷茫,希望大家都能在这学习的过程中肯定自己,超越自己,最终创造自己。
目录
-
- 1.用简洁的话语阐述随机变量的含义
- 2.划分连续型随机变量和离散型随机变量的依据
- 3.常见的分布函数/概率密度函数,以及分布的特性,如指数分布的无记忆性
- 4.随机变量常用特征的解释(期望、方差等)
- 5.简述变量独立与变量不相关的区别
- 7.如何给没有学过统计学的人解释正态分布
- 8.列举常用的大数定理及区别
- 9.如何利用编程语言设计实验证明中心极限定理
- 10.简单阐述假设检验的原理(常考)
- 12.简单阐述假设检验的两类错误
- 13.用通俗的语言解释P-值,显著性水平,检验效能
- 14.分别解释z检验和t检验
- 15.贝叶斯统计和频率派统计的区别
- 16.贝叶斯定理和全概率公式的应用
- 17.参数估计的定义和常用方法
- 18.时间序列分析
- 19.PCA为什么要中心化?PCA的主成分是什么?
1.用简洁的话语阐述随机变量的含义
“随机变量”这个概念的引入是为了描述随机试验的结果,通常用大写的X来表示,X可能是一个单独的随机试验的结果,也可能是多个随机试验结果的组合,包括结果的总和或者均值,通常我们讨论的是离散型随机变量和连续型随机变量,目的为了将试验结果数值化。
数学定义:
若对于随机试验E的每一个可能结果 ω ∈ Ω \omega \in \Omega ω∈Ω,都有一个唯一的实数值 ξ ( ω ) \xi(\omega) ξ(ω),则称实值函数 ξ ( ω ) \xi(\omega) ξ(ω)为随机变量,简记为 ξ \xi ξ。随机变量实质上是函数。
2.划分连续型随机变量和离散型随机变量的依据
二者的区别在于所描述的随机试验所有可能的结果数量是否可数。
3.常见的分布函数/概率密度函数,以及分布的特性,如指数分布的无记忆性
4.随机变量常用特征的解释(期望、方差等)
-
期望:
表示随机变量 X X X的平均水平,记为 E ( X ) E(X) E(X)。 -
方差/标准差:
方差用来刻画随机变量X的波动大小,方差越大,结果的未知性越大。一般记作
D ( X ) 或 v a r ( X ) = E ( X − E ( X ) ) 2 D(X)或var(X)=E(X-E(X))^2 D(X)或var(X)=E(X−E(X))2
标准差 σ ( x ) = D ( X ) \sigma(x)= \sqrt{D(X)} σ(x)=