统计学_2

1. 中心极限定理：对于任意概率密度分布函数的随机事件，取N个样本容量为n的样本，做样本均值频率分布，随着样本容量n和样本数N趋近于无限，样本均值的频率分布趋近于标准正态分布
   *注：除样本均值外，样本和的频率分布也会趋于正态分布

2. 样本均值的抽样分布：样本均值的抽样分布，相对的是总体的原分布，描述的是样本均值的分布，针对的是样本均值。
   *根据中心极限定理，随着样本容量和样本均值的样本数增大，样本均值的抽样分布越趋向于标准正态分布。且随着样本容量的增大，样本均值的抽样分布标准差越小
   *对于样本均值的抽样分布，其期望值与总体原分布的期望值相同。
   *衡量正态分布的指标：1、偏度：偏度为正，正态分布相较于标准正态分布，尾部指向正轴方向；偏度为负，正态分布相较于标准正态分布，尾部指向负轴方向；2、峰度：峰度为正，正态分布相较于标准正态分布，头部越窄，底部越宽；峰度为负，正态分布相较于标准正态分布，头部越宽，底部越窄

3. 均值标准误差：即样本均值的抽样分布的标准差，其与总体的标准差以及样本容量n存在一定关系：
   $${\sigma }_{\overline{x}}=\sigma /\sqrt{n}$$

4. 置信区间：由于总体的数量过大，而利用样本的数据参数估计总体的参数的区间范围。置信区间一般会对应一个置信率，即在该置信率下，总体的期望值会落在该区间内（x_bar ± Δ）。如：95%的置信率，总体的期望值会落在该区间内

5. 误差范围：根据样本的数据参数估计总体参数，得到对应置信率下的置信区间，如样本的均值为x_bar，置信率为95%，置信区间为x_bar+Δ，Δ即为误差范围。
   置信区间以及误差范围的计算：
   假设样本的容量是n，得到的样本均值为x_bar，标准差为S。样本均值的抽样分布可以看做正态分布（n足够大），对应的均值为μ_x_var。总体的均值为μ，μ_x_var=μ。
   根据经验法则：
   $$\begin{array}{l}P\left(\overline{\mathrm{x}}\in {\mu }_{\overline{x}}\pm 2{\sigma }_{\overline{x}}\right)=95\%\\ \iff P\left({\mu }_{\overline{x}}\in \overline{\mathrm{x}}\pm 2{\sigma }_{\overline{x}}\right)=95\%\\ \iff P\left(\mu \in \overline{\mathrm{x}}\pm 2{\sigma }_{\overline{x}}\right)=95\%\\ \iff P\left(\mu \in \overline{\mathrm{x}}\pm 2\frac{\sigma }{\sqrt{n}}\right)=95\%\\ \Rightarrow P\left(\mu \in \overline{\mathrm{x}}\pm 2\frac{S}{\sqrt{n}}\right)\approx 95\%\Rightarrow \Delta =2\frac{S}{\sqrt{n}}\end{array}$$
   *用样本参数估计总体参数，在相同的置信率下，样本的容量越大，误差的范围越小，对总体的估计越准确。原因在于，样本的容量增大会使得样本均值的抽样分布有更小的标准差。
   *当样本的容量过小时(小于30)，利用样本的标准差代替总体的标准差是一种很糟糕的估计，此时样本均值的抽样分布不能用正态分布来描述，应该用t分布来描述。

6. 伯努利分布：对于某一个随机事件，只有两种发生的可能性，两种可能性的概率分别是p和1-p。假设某一种可能性记为0，概率为1-p，另一种可能性记为1，概率为p，则伯努利分布的期望值为p，方差为p(1-p）。