这篇博客主要介绍了统计学的基础概念，包括样本与总体的定义，描述量如方差和标准差的计算，概率相关知识如随机变量、概率密度函数、二项分布、期望值以及泊松过程。此外，还探讨了大数定律和正态分布的应用。
统计基础概念
两天的任务是看 可汗学院：统计学 视频复习基础知识。
样本和总体
我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客：
- 总体 ：population；
μ = ∑ i = 0 N x i N = x 1 + x 2 + x 3 . . . + x N N \mu=\frac{\sum_{i=0}^N x_i }{N}= \frac{x_1+x_2+x_3...+x_N}{N} μ=N∑i=0Nxi=Nx1+x2+x3...+xN - 样本：sample；
X ‾ = ∑ i = 0 n x i n = x 1 + x 2 + x 3 . . . + x n n \overline{X}=\frac{\sum_{i=0}^n x_i }{n}= \frac{x_1+x_2+x_3...+x_n}{n} X=n∑i=0nxi=nx1+x2+x3...+xn
一些描述量
总体方差
σ 2 = ∑ i = 1 N ( x i − μ ) 2 N \sigma^2=\frac{\sum_{i=1}^N( x_i-\mu)^2}{N} σ2=N∑i=1N(xi−μ)2
样本方差
总体方差一般得不到，用样本方差估计总体方差。
S 2 = ∑ i = 1 n ( x i − x
最低0.47元/天 解锁文章
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
