数据分析统计知识—概率论

此篇为概率论相关，涵盖的并不全面，后续会慢慢的完善，如有纰漏欢迎指正~

目录

知识点参考来源

一、基本定理

1.1 中心极限定理

1.2 大数定理

二、基本概念

2.1 随机试验

2.2  样本点

2.3 互斥、独立、相关

2.4 条件概率、全概率公式、贝叶斯公式

2.4.1 条件概率

2.4.2 全概率公式：

2.4.3 贝叶斯公式

2.5 参数估计

2.5.1 点估计

2.5.2 区间估计

---

知识点参考来源

1.《商务与经济统计》（原书第13版）
2.《校招面试考点全解析——数据分析师篇》
3.百度

---

一、基本定理

1.1 中心极限定理

定义：当抽样次数足够多时，抽中样本的均值将围绕总体均值上下波动，且呈正态分布。

而根据中心极限定理，我们可以用样本数据来推断总体数据，这也是假设检验成立的条件之一。

例如：如果某食品的净含量按标准应为500g，则抽取10袋食品作为样本来检验产品的净含量，会发现样本净含量的均值呈正态分布，可以确定该产品在净含量上是否达到质量规定标准。

1.2 大数定理

定义：指得是某个随机事件在单次试验中可能发生也可能不发生，但在大量重复实验中往往呈现出明显的规律性，结果的均值将会收敛于某个确定的值，也就是说该随机事件发生的频率会向某个常数值收敛，该常数值即为该事件发生的概率。

大数定理告诉我们可以用频率来近似替代概率，可以用样本均值近似替代总体均值。

---

二、基本概念

2.1 随机试验

随机试验是一个过程，它所产生的试验结果是可以完全确定的，但在每一次重复试验中，出现哪种结果则完全由偶然性决定。

2.2  样本点

一种特定的试验结果被称为样本点，所有的样本点的集合即为随机试验的样本空间

2.3 互斥、独立、相关

• 互斥：如果两个事件没有公共的样本点，则称这两个事件互斥
• 独立：如果事件A的发生与否不会对事件B造成影响，则称A和B独立
• 相关：对于两个随机变量X,Y，若满足cov(X,Y)=E(XY)-E(X)E(Y)=0，则两个变量不相关。
• 随机变量不相关未必独立，独立必定不相关

2.4 条件概率、全概率公式、贝叶斯公式

2.4.1 条件概率

P(A|B)代表事件B发生的情况下，事件A发生的概率，有

2.4.2 全概率公式：

定义：如果事件B1、B2、B3…Bi构成一个完备事件，即它们两两互不相容，其和为全集；并且P（Bi)大于0，则对任一事件A有P(A)=P(A|B1)P(B1) + P(A|B2)P(B2) + ... + P(A|Bi)P(Bi)

2.4.3 贝叶斯公式

用来描述两个条件概率之间的关系，比如 P(A|B) 和 P(B|A)。按照乘法法则，可以立刻导出：P(A∩B) = P(A)P(B|A)=P(B)P(A|B)。如上公式也可变形为：P(A|B)=P(B|A)P(A)/P(B)

2.5 参数估计

用样本特征来估计整体特征的方法，称为参数估计，参数估计的形式为点估计与区间估计。

2.5.1 点估计

为了估计总体参数，通过计算相应的样本特征——样本统计量的方法，叫做点估计法，如用样本均值估计总体均值，用样本方标准差估计总体标准差等。

点估计具有以下三个性质：

• 无偏性：如果样本统计量的数学期望等于所估计的总体参数，则称该样本统计量是无偏估计量
• 有效性：称有较小标准误差的点估计量比其他点估计量更相对有效
• 一致性：如果随着样本容量的增大，点估计量的值与总体参数越来越接近，则称该点估计量是一致的

2.5.2 区间估计

我们不可能期望点估计量能给出总体参数的精确值，需要考虑上下波动存在的情况，所以常在点估计上加减一个边际误差来计算区间估计。而这个波动的范围也就是置信区间。