（二）数据分布与区间估计学习简要笔记 #CDA学习打卡

目录

一. 数据分布

1）正态分布(Normal Distribution)

（a）定义

（b）Python

2）标准正态分布(Standard Normal Distribution)

（a）定义

（b）Python

3）t分布(t Distribution)

（a）定义

（b）Python

4）F分布(F Distribution)

（a）定义

（b）Python

5）卡方分布(Chi-Square Distribution)

（a）定义

（b）Python

6）三大分布的区别与关系

（a）区别

（b）关系

二. 区间估计（interval estimate）

1）总体均值的区间估计

（a）公式

（b）Python

2）总体比例的区间估计

（a）公式

（b）Python

---

一. 数据分布

1）正态分布(Normal Distribution)

（a）定义

正态分布也被称为高斯分布，具有钟形曲线的特征，均值和标准差是其两个重要的参数。均值可取实数轴上的任意数值，决定正态曲线的具体位置；标准差决定曲线的“陡峭”或“扁平”程度：标准差越大，正态曲线越扁平；标准差越小，正态曲线越陡峭。

（b）Python

2）标准正态分布(Standard Normal Distribution)

（a）定义

标准正态分布是一种特殊的正态分布，其均值为0，标准差为1。在统计学中，标准正态分布经常用于标准化数据或进行假设检验。

（b）Python

3）t分布(t Distribution)

（a）定义

t分布用于小样本情况下对总体均值的推断。当样本容量较小或总体方差未知时，使用t分布进行推断更准确。t分布的形状类似于正态分布，但尾部较宽。

计算方法为：

（b）Python

4）F分布(F Distribution)

（a）定义

F分布用于比较两个样本方差的差异。F分布常用于方差分析和回归分析中。F分布的形状取决于两个自由度参数，分子自由度和分母自由度。

计算方法为：

（b）Python

5）卡方分布(Chi-Square Distribution)

（a）定义

（b）Python

6）三大分布的区别与关系

（a）区别

（b）关系

二. 区间估计（interval estimate）

1）总体均值的区间估计

（a）公式

（b）Python

2）总体比例的区间估计

（a）公式

（b）Python

Bye！