统计学基础——统计图

 

频率是就样本而言的,而概率从总体的意义上说的,频率f/n 是 概率 p(A)的估计值。
样本频率总是围绕概率上下波动。
样本含量n越大,波动幅度越小,频率越接近概率。即试验次数越多,估计越可靠。

 

统计描述:用统计指标、统计表、统计图等方法,对样本资料的数量特征及其分布规律进行描述。
统计推断:指用样本信息推断总体特征,包括参数估计假设检验


1、直方图(histogram):连续资料频数分布。各组面积大小代表各的频数。

2、条图:
以等宽直条的长短来表示各独立指标的数值大小和对比关系,给人以“比高低”的印象。

适用于性质相同而相互独立无连续关系资料的资料的比较,
如各种疾病的发病率、各种疫苗接种率、寄生虫感染情况等。

3、圆图:构成比图,用以表示全体中各部分的比重。

4、线图:用线段的升降,表示某事物随时间的变化趋势。横轴常用以表示某事物的连续变量,通常为时间;纵轴表示率、均数或频数。横、纵轴可以不从零开始。曲线不宜过多。 给人以“比趋势”的印象。

5、半对数线图:线图只能反映事物的变化趋势,半对数线图反映事物的变化速度

 

 

6、散点图:用点的密集程度趋势表示两种现象间的相关关系。
横轴与纵轴各代表一种事物,横轴表示自变量,纵轴表示因变量,均不一定从零开始。

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在Python中,可以使用概率论中的随机变量分布来进行统计计算。常见的离散型分布包括二项分布和泊松分布,连续性分布包括正态分布、均匀分布和指数分布等。这些分布可以用来计算概率、期望和方差等统计量。 对于正态分布,可以使用scipy.stats库中的norm模块进行计算。例如,可以使用norm.cdf函数计算小于某个值的概率,使用norm.ppf函数计算给定累积概率时的反函数值。代码示例如下: ``` from scipy.stats import norm # 计算小于40的概率 p1 = norm.cdf(40, loc=50, scale=10) # 计算30到40之间的概率 p2 = norm.cdf(40, loc=50, scale=10) - norm.cdf(30, loc=50, scale=10) # 计算小于2.5的概率 p3 = norm.cdf(2.5, 0, 1) # 计算-1.5到2之间的概率 p4 = norm.cdf(2) - norm.cdf(-1.5) # 计算累计概率为0.025时的反函数值 q1 = norm.ppf(0.025, loc=0, scale=1) # 计算累计概率为0.975时的反函数值 q2 = norm.ppf(0.975, 0, 1) print(p1, p2, p3, p4, q1, q2) ``` 对于计算随机变量的概率分布的均值和方差,可以使用numpy库进行计算。代码示例如下: ``` import numpy as np # 假设有一个数据框df,其中包含了不合格品数和概率 mymean = sum(df['不合格品数'] * df['概率']) # 计算均值 myvar = sum((df['不合格品数'] - mymean) ** 2 * df['概率']) # 计算方差 mystd = np.sqrt(myvar) # 计算标准差 print(mymean, myvar, mystd) ``` 以上是关于Python统计学中随机变量的概率分布的一些基本操作和计算方法。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [Python统计学03——随机变量的概率分布](https://blog.csdn.net/weixin_46277779/article/details/126673517)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值