-统计学-

2.极差、中程数

极差 = 最大数 - 最小数

中程数 = （最大数 + 最小数 ）/ 2

9.箱线图

线形图：A.显示随时间的趋势 B.一个变量对另一个变量的趋势

条形图：事物归类

饼图：各部分的占比

茎叶图：了解分布情况

箱线图：A.距离的散布情况和中位数

B.步骤：1.求总的数据的中位数a

2.求中位数a前后数据的各个中位数b，c

3.画图：最大数，最小数，中位数a，中位数b、c

11.集中趋势

集中趋势（广义平均数）：表示一个机率分布的中间值，有算数平均数，中位数，众数

离群值：有别于其他数字的数，影响集中趋势

12.样本和总体

样本均值：

总体均值：

13.总体方差

方差：数据均值的远近程度和衡量总体或样本是否良好

14.样本方差

15.标准差

优点：单位简洁（比如方差的单位是m²，那么标准差就是m）

16.储方差公式

方差公式的展开

训练：将总体方差展开为储方差公式

17.随机变量

定义：从随机过程映射到数值的函数，随机变量来量化这些随机实验

分类：离散随机变量（情况的结果可以一一枚举，有穷）、连续随机变量（有无限个结果，取到无限集合的任意一个值，无穷）

离散随机变量的举例：抛硬币是一个随机过程，每抛一次都是一次实验，我们设置正面为1反面为0，这里数字可以是任何数字

连续随机变量的举例：设X为明天雨量的英寸数，x可能是1.1英寸、2.111英寸，描述这个可能值的无穷个数字，比如0-1之间的数字是无穷的

18.概率密度函数

举例：明天降雨量概率分布如下，求随机变量Y=2的概率

P ( | Y - 2 | < 0.1)——以下面积为Y=2的概率

注意：总面积为1

19.二项分布1

1.求抛掷硬币的概率，设抛掷正面的次数为X

P（X = 0）= 1/32

P（X = 1）= 5/32

P（X = 2）= 5/16

P（X = 3）= 5/16

P（X = 4）= 5/32

P（X = 5）= 1/32

20.二项分布2

P(X=n)= [5！/ n! ( 5 - n ) !] *1/32=

21.二项分布3

举例：打篮球需投篮6次，设每次投篮都是独立事件，每次命中概率为30%，定义随机变量为X（投进的次数）

n = 6 p = 30%

P(X=0) = (0.7)^6

P(X=1) =6*0.3* (0.7)^5——投中1次的排列组合*每次组合的概率

22.二项分布4

阶乘excel：fact

23.随机变量期望值E(X)

期望值=总体均值

使用范围：无穷总数无法除以数据点的个数，因此以频率做权重，计算出所有结果加权的平均值

计算方法：每种数字*该数字出现的频率，然后相加

24.二项分布的期望值E(X)

E(X)=N*P

x：随机变量

n：试验次数

k：试验成功的次数

p：成功的概率

概率之和=1

25.泊松过程1（来自于二项分布）

任何时刻通过街上某一点的车辆数，想确定某一小时内100辆车或5辆车通过的概率。

1.定义一个相关的随机变量X

X = 一小时内通过的车辆数

2.注意：

2.1街上此点任意时刻的情况没有差异

2.2一段时间的车流量对另一段时间没有影响，具有独立性

3.E(X)= λ = np(λ:一小时内试验成功的总数目 n:时间区间个数 p:区间成功的概率)

3.1λ(车辆/小时) = 60(分/小时)*λ/60(车辆/分)

3.2

3.3如果一分钟内不止一辆车通过怎么办？我们把一分钟有一辆车通过叫做成功，并未考虑一分钟内同时经过5辆车这样的情况，解决的办法是分更多的区间，将分改为秒。

注：

4.

26.泊松过程2

假设λ=9（平均每小时9辆车通过）p（x=2）（每小时正好有两辆车通过的概率）

27.大数定律

大数定律：随机变量X的n次观测样本，将所有观测值平均起来，当样本均值趋近于随机变量的期望值，或者说n趋于∞时，样本均值趋于总体均值（样本量足够大的时候，样本均值接近期望值，或者说样本均值将收敛于总体均值或随机变量期望值）

举例：

假设随机变量X等于抛100次硬币得到的正面的次数，期望值为50

（55，65….n）：抛n次100个硬币每次得到的正面的数

1. 正态分布excel练习

结论：当二项分布的样本足够多的时候，值会无限接近于正态分布

29.正态分布介绍

表示离均值有多少个标准差远（Z）

面积：

累计分布函数（CDF）

excel正态分布函数（X，μ，σ，false）

累计分布true；求概率密度高度false

正态分布不能只看一点的概率，需要看两点之间曲线下方的面积，比如在该点±1的范围的积分

中线为均值，左右两条线是离均值的标准差远

μ=0；σ=4；σ²=16

μ=-5；σ=4；σ²=16

μ=-5；σ=2；σ²=4

标准差越小，越多点靠近均值，图像变窄

μ=-5；σ=10；σ²=100

二项分布是有限的，而正态分布在整个实数轴上都有定义