统计学总结

一、离散型概率分布和连续型概率分布

• 离散型概率分布
  求随机变量x取某个特定值的概率.
  （1）二项分布
  成立条件：每次试验成功的概率均是相同的，记录为p；失败的概率也相同，为1-p。每次试验必须相互独立，该试验也叫做伯努利试验，重复n次即二项概率。
  公式：
  

（2）泊松分布
成立条件： 在任意两个长度相等的区间中，时间发生的概率是相同的，并且事件是否发生都是相互独立的。
x代表发生x次，u代表发生次数的数学期望，概率函数为：

（3）几何分布

每次试验成功的概率为p,首次成功出现在第k次的概率：
$$P(X=k)=(1-p{)}^{k-1}p$$,k=1,2……

• 连续型概率分布

  随机变量在某个区间内取值的概率。
  （1）均匀分布
  

(2)正态分布


标准正态分布:均值u=0，标准差σ=1

累计分布函数:概率密度函数的积分.F(x) = P(X<=x).

计算三种类型的概率(这里需要说明一点，只有标准正态分布时，随机变量才用z表示)：

● z小于或者等于某个给定值的概率,直接带入分布函数得出
如：p(z<=1)=φ(1)=0.8413 (1值左边标准正态曲线下的面积)

● z在给定的两个值之间的概率
如：P(-1<=z<=1.25) = P(z<=1.25) – P(z<=-1) =φ(1.25)-φ(1) =0.735

● z大于或者等于某个给定值的概率
如：P(z>1) = 1-P(z<=1) =1-φ(1)= 0.1586

标准正态分布与一般的正态分布的关系:

（3）指数概率分布

• 泊松、指数区别

泊松分布：是离散型概率分布，描述每一区间中事件发生的次数。
指数分布：是连续型概率分布，描述事件发生的时间间隔的长度。
举例：

二、抽样及其分布

1.中心极限定理：设从均值为μ，方差为σ²（有限）的任意一个总体中抽取样本量为n的样本，当n充分大时，样本均值x̄的抽样分布近似服从均值为μ，方差为σ²/n 的正态分布。

2.点估计

3.抽样分布

（1）样本均值的抽样分布

n是样本容量，N是总体容量，σ是总体标准差，σ_x拔是样本标准差

● 如果总体服从正态分布时：任何样本容量下的(x拔)的抽样分布都是正态分布。

● 总体不服从正态分布时：
a.中心极限定理：从总体中抽取容量为n的简单随机样本，当样本的容量额很大时，样本均值(x拔)的抽样分布近似服从正态概率分布。
b.其实在大多数的应用中，样本容量大于30时，(x拔)的抽样分布近似服 从正态概率分布

（2）样本比率的抽样分布

（3）样本方差的抽样分布（只讨论总体分布为正态分布时候的情况）
设总体分布为N~(μ，σ²)， X₁,X₂,…X_n为来自正态分布的样本，样本方差s²：

两样本方差比的分布：
(s²_x/s²_y ) / (δ¹₁ δ²₂)~ F(n₁-1,n₂-1)

4.统计学三大分布
在正态总体条件下，主要的抽样分布有卡方分布，t分布，F分布，常称为统计三大分布。
（1）χ2分布
若随机变量X₁，X₂，… , Xn相互独立，且服从标准正态分布，则随机变量X

称为服从自由度为n的卡方分布。


（2）t分布
设随机变量X ~ N(0,1)，Y~χ2(n)，且X与Y独立,
为t分布


（3）F分布

三、描述性统计理论

异众比率：非众数组的频数占总频数的比例。主要用于衡量众数对一组数据的代表程度。
离散系数（变异系数）：一组数据的标准差与其相应的平均数之比。离散系数主要用于比较不同样本数据的离散程度。

参数估计

1.总体均值的区间估计
（1）总体均值的区间的估计：σ已知情形

有关顾客购物消费额的问题，根据历史数据，σ=20美元，并且总体服正态分布。现在抽取n=100名顾客的简单随机样本，其样本均值(x拔)=82美元。求总体均值的区间估计。

所以u的区间估计是(78.08,85.92)

（2）总体均值的区间估计：σ未知情形

假设检验

假设检验是对总体参数做一个尝试性的假设，该尝试性的假设称为原假设，然后定义一个和原假设完全对立的假设叫做备选假设。
完整解释
在选择显著性标准α时，是在 H₀为 真的前提下进行的。
正常情况下事件结果和H₀相差不远，如果发生了与H₀不一致的、概率小于α的事件时，则拒绝H₀，否则不拒绝H₀。该做法保证犯第一类错误概率不超过α，但不知道犯第二类错误的概率。

（1）总体均值的检验：σ已知情形
质检机构检查某品牌咖啡的标签上显示装有3磅咖啡，现在质检机构需要确定每罐咖啡的质量至少有三磅，以保证消费者权益。已知道σ=0.18,现在取得n=36罐咖啡组成一个随机样本，计算出(x拔)=2.92

单边检测：拒绝原假设：p<α，|z|>|z_α|

方差分析

分类数据分析