Tsak2-数理统计与描述性统计

数理统计概念

问题一 为什么可以用样本分布来估计总体？

中心极限定理：
（1）样本平均值约等于总体平均值；

（2）不管总体是什么分别，任意一个总体的样本平均值都会围绕在总体的平均值周围，并且呈现正态分布。

一般来说，样本量越大，越逼近对总体的模拟。那么多少的样本量比较合适？
如果抽样足够随机，一般30以上。
用Python来模拟样本分布看一看，取样本量为3、5、10、30、100、1000。
（参考https://blog.csdn.net/lilongsy/article/details/87355304）

import numpy as np
from numpy import random as nprd

def sampling(N):
    ## 产生一组样本，以0.5的概率为z+3，0.5的概率为z-3，其中z~N(0,1)
    d=nprd.rand(N)<0.5
    z=nprd.randn(N)
    x=np.array([z[i]+3 if d[i] else z[i]-3 for i in range(N)])
    return x

N=[3,5,10,30,100,1000] # sample size
M=2000
MEANS=[]
for n in N:
    mean_x=np.zeros(M)
    for i in range(M):
        x=sampling(n)
        mean_x[i]=np.mean(x)/np.sqrt(10/n) ## 标准化，因为var(x)=10
    MEANS.append(mean_x)

## 导入matplotlib
import matplotlib.pyplot as plt
import matplotlib.mlab as mlab
## 使图形直接插入到jupyter中
# %matplotlib inline
# 设定图像大小
plt.rcParams['figure.figsize'] = (10.0, 8.0)

x=sampling(1000)
plt.xlabel('x')
plt.ylabel('Density')
plt.title('Histogram of Mixed Normal')
plt.hist(x,bins=30,normed=1) ## histgram
plt.show() ## 画图

## 均值
ax1 = plt.subplot(2,3,1)
ax2 = plt.subplot(2,3,2)
ax3 = plt.subplot(2,3,3)
ax4 = plt.subplot(2,3,4)
ax5 = plt.subplot(2,3,5)
ax6 = plt.subplot(2,3,6)

## normal density
x=np.linspace(-3,3,100)
d=[1.0/np.sqrt(2*np.pi)*np.exp(-i**2/2) for i in x]

def plot_density(ax,data,N):
    ax.hist(data,bins=30,normed=1) ## histgram
    ax.plot(x,d)
    ax.set_title(r'Histogram of $\bar{x}$:N=%d' % N)

plot_density(ax1,MEANS[0],N[0])
plot_density(ax2,MEANS[1],N[1])
plot_density(ax3,MEANS[2],N[2])
plot_density(ax4,MEANS[3],N[3])
plot_density(ax5,MEANS[4],N[4])
plot_density(ax6,MEANS[5],N[5])

plt.show() ## 画图

问题二：样本中心矩有描述什么？

可以看作是偏离数据点的K次方的期望值。
在数学特征上，
一阶矩即期望；
二阶矩即方差；
三阶矩描述偏斜度；
四阶矩描述偏斜度。

理解一：

百分位数是对数据基本分布的一个良好的描述，可以很直观地看到数据点集中在哪块区域；异常点的数据多少，偏离程度如何，等等。