视频课程笔记1

集中趋势在统计学中是指一组数据向某一中心靠拢的程度，它反映了一组数据中心的位置所在。

研究中实际观测或调查的一部分个体称为样本，研究对象的全部称为总体

均值： 一组数相加后除以这一组数的个数。

样本均值：

总体均值：

中位数： 一组数从小到大排列，最中间的那个数，如果是偶数个，两个相加后除以2，得到中位数。

众数： 这一组数中出现多的一个数字。

极差： 指一组数中最大数和最小数的差值.

中程数： 指数据集中最大数和最小数的平均值.

方差用来表述数据和均值之间的偏离程度。样本方差不同于总体方差。

总体方差：

样本方差：

标准差是表述数据和均值之间的偏离程度的另一个重要标志。它等于方差的平方根。

标准差：

随机变量是表示随机现象各种结果的变量。萨尔曼认为随机变里并不是传统意义上的变量，而是一种由随机过程映射到数值的函数。

分为离散型与连续型随机变量

概率密度函数：
1离散随机变量中每个变量概率有值且有意义
2连续随机变量中某个具体变量概率值可为0，而一个变量范围内的概率有值且有意义，概率密度是一个函数，用于计算连续变量某一范围空间内的概率。

二项分布即重复n次的伯努利试验，在每次试验中只有两种可能的结果。

期望值的本质就是总体无穷时的总体均值。

计算时可用频率进行加权平均。
二项分布的期望值E(X)=np,其中n为随机试验次数，p为某一次的成功概率。

泊松过程是一种累计随机事件发生次数的最基本的独立增量过程，它其实就是二项分布的极限情况。

大数定律的概念其实很简单，也就是样本数里足够多的时候，样本均值趋近于总体均值，或者说随机变量的期望值。

正态分布

概率密度函数：
z分数： 离整体均值有多少个标准差。

正态曲线下，横轴区间（μ-σ,μ+σ）内的面积为68.268949%。

横轴区间（μ-1.96σ,μ+1.96σ）内的面积为95.449974%。

横轴区间（μ-2.58σ,μ+2.58σ）内的面积为99.730020%。

由于“小概率事件”和“假设检验”的基本思想 “小概率事件”通常指发生的概率小于5%的事件，认为在一次试验中该事件是几乎不可能发生的。由此可见X落在（μ-3σ,μ+3σ）以外的概率小于千分之三，在实际问题中常认为相应的事件是不会发生的，基本上可以把区间（μ-3σ,μ+3σ）看作是随机变量X实际可能的取值区间，这称之为正态分布的“3σ”原则。