中科大统计学习（刘东）作业1

中科大统计学习（刘东）作业1

学号：SA22XXXXX 姓名：XX

2. Learn to install Anaconda (version ≥ 3.7) and OpenCV-Python (ver-sion ≥ 3.4) on your PC. Write down the installation steps, which can be very helpful for the following exercises and projects.

1） Anaconda 3 下载安装。

a）下载。登陆Anaconda官网或镜像网站下载安装包。

    在此我选择从清华大学开源镜像网站进行下载。
    因为我的电脑是Win-64，在此我选择的是Anaconda3-2021.04-Windows-x86_64版本，对应的python版本为python 3.8。所选Anaconda版本符合作业要求。

b）安装。选择All Users，安装路径我选择了D盘。接下来的Add Anaconda3 to the system PATH environment variable 选项不要勾选，以免后续会出现问题。在安装结束后，手动添加环境变量。

c）添加环境变量。按照如下步骤：此电脑----->属性----->高级系统设置----->环境变量----->系统变量中的path----->编辑----->新建，添加如下环境变量。

    D:\software_anzhuang\anaconda3

    D:\software_anzhuang\anaconda3\Scripts

    D:\software_anzhuang\anaconda3\Library\mingw-w64\bin

    D:\software_anzhuang\anaconda3\Library\usr\bin

    D:\software_anzhuang\anaconda3\Library\bin

d）测试是否配置成功。

    进入cmd，输入 python,看是否有python环境。

    然后在cmd中输入 conda --version ，如图就是有conda环境。

e）打开Anaconda进入界面，安装jupyter notebook。

2) OpenCV-Python安装。
    进入清华大学镜像中心下载地址，下载opencv_python-4.5.4.60-cp38-cp38-win_amd64（对应python3.8，win 64）。将下载好的whl文件移动到D:\software_anzhuang\anaconda3\Lib\site-packages这个文件夹下，然后进入cmd命令行cd到whl文件所在目录，然后输入pip install opencv_python-4.5.4.60-cp38-cp38-win_amd64.whl，然后系统会自动安装成功。

5. Choose a pair of parameters (u, ${\sigma }^2$) to generate N random numbers that follow the Gaussian distribution, then calculate the mean and variance of the random numbers and compare with the ground-truth (µ, ${\sigma }^2$). Set N to 100, 1000, 10000, 100000, …, to observe the change of results.

取 u=100,$\sigma$=50,${\sigma }^2$=2500。如下编写的gauss_N函数，可以生成N个服从（mu, sigma^2）高斯分布的随机数，并且计算输出N个随机数的均值和方差。（mu=100，sigma = 50， sigma^2 = 2500）

import matplotlib.pyplot as plt
import random
import numpy as np
def gauss_N(Nf, muf, sigmaf):
    X = []
    for i in range(Nf):
        temp = random.gauss(muf, sigmaf)
        X.append(temp)
    a = np.mean(X)
    b = np.var(X)
    c = np.var(X, ddof = 1)
    print('均值：',a)
    #总体方差
    print('总体方差：',b)
    #样本方差
    print('样本方差：',c)
    return a, b, c

N = 100：

mu = 100
sigma = 50
N = 100
mu1, vara1, varb1 = gauss_N(N, mu, sigma)

均值： 102.58584066600177
总体方差： 3296.343493623705
样本方差： 3329.639892549197

N = 1000：

mu = 100
sigma = 50
N = 1000
mu2, vara2, varb2 = gauss_N(N, mu, sigma)

均值： 98.26718854594877
总体方差： 2432.7867772642103
样本方差： 2435.2219992634737

N = 10000：

mu = 100
sigma = 50
N = 10000
mu3, vara3, varb3 = gauss_N(N, mu, sigma)

均值： 99.13580131855666
总体方差： 2495.946525853973
样本方差： 2496.1961454685197

N = 100000：

mu = 100
sigma = 50
N = 100000
mu4, vara4, varb4=gauss_N(N, mu, sigma)

均值： 99.91563040089545
总体方差： 2506.717693537597
样本方差： 2506.7427609652063

N = 1000000：

mu = 100
sigma = 50
N = 1000000
mu5, vara5, varb5=gauss_N(N, mu, sigma)

均值： 100.03564591878155
总体方差： 2497.611898108561
样本方差： 2497.614395722957

N = 10000000：

mu = 100
sigma = 50
N = 10000000
mu6, vara6, varb6=gauss_N(N, mu, sigma)

均值： 99.98937114769309
总体方差： 2497.8830545823084
样本方差： 2497.883304370639

为观察更加直观，下面将均值跟方差的变化趋势使用图形化方式表示。横坐标为lg N，纵坐标分别为均值、总体方差、样本方差。

均值:

Nt = [1,2,3,4,5,6]
mut =[mu1,mu2,mu3,mu4,mu5,mu6]
plt.scatter(Nt, mut, s=20)
plt.axhline(100,c="r",ls="--")
plt.xlabel("lg N")
plt.ylabel("mu")
plt.show()

总体方差:

Nt = [1,2,3,4,5,6]
mut =[vara1,vara2,vara3,vara4,vara5,vara6]
plt.scatter(Nt, mut, s=20)
plt.axhline(2500,c="r",ls="--")
plt.xlabel("lg N")
plt.ylabel("sigma^2")
plt.show()

样本方差:

Nt = [1,2,3,4,5,6]
mut =[varb1,varb2,varb3,varb4,varb5,varb6]
plt.scatter(Nt, mut, s=20)
plt.axhline(2500,c="r",ls="--")
plt.xlabel("lg N")
plt.ylabel("sigma^2")
plt.show()

观察得到，随着N的增大，生成的N个随机数的均值越来越接近u =100，方差σ^2越来越接近2500。

可以得出结论，当样本数目越多，统计量（均值，方差）越接近理论真实值。

6. We already know that if we use $\hat{y}=\frac{{\sum }_i{y}_i}{N}$to estimate a variable, it corresponds to minimizing least squares $mi{n}_y{\sum }_i{(y_i-y)}^2$.Now we use $\hat{y}=\sqrt[N]{{\prod }_i{y}_i}$to estimate a variable, what can be the corresponding minimization problem?

答：对应最小化问题：$mi{n}_y{\sum }_i(lg{y}_i-lgy{)}^2$

令 $f(y)={\sum }_i(lg{y}_i-lgy{)}^2={\sum }_i(lg{y}^i{)}^2-2(lg{y}^i)(lgy)+N(lgy{)}^2$

故$\frac{df(y)}{dy}=\frac{2Nlgy}{y}-\frac{2}{y}{\sum }_i(lg{y}_i)=\frac{2lg{y}^N}{y}-\frac{2}{y}\lg ({\prod }_i{y}_i)$

令$\frac{df(y)}{dy}=0$,有$lg{y}^N=lg({\prod }_i{y}_i)$

即$y^N={\prod }_i{y}_i$

可得$\hat{y}=\sqrt[N]{{\prod }_i{y}_i}$
，同时恒有$f^{"}>0$，所以此时取得最小值

因此，对应最小化问题为：$mi{n}_y{\sum }_i(lg{y}_i-lgy{)}^2$