本文探讨了样本与总体的关系，重点解释了样本占比的概念，包括总体中成功元素占比、样本大小的定义，以及如何推算样本达到指定成功占比的概率。文章还介绍了样本均值的计算及其在统计学中的应用，通过中心极限定理阐述了在大样本情况下样本均值的正态分布。最后，提供了具体的应用实例来说明这些统计概念。
参考《深入浅出统计学》
样本和总体的关系：1.样本占比 2.样本均值
样本占比到底算的是什么？
概括的说，即，已知总体中成功元素占比及样本大小，推算出样本达到某指定成功占比的概率
分解概念1： 什么叫总体中成功元素占比？
举例说明：
- 假设总体为1000糖球，其中红色糖球的占比30%，此处30%为成功元素占比
- 假设总体为1000道题目，其中答对题目的占比为25%， 此处25%为成功元素占比。
分解概念2： 什么是样本大小呢？
比如1000粒糖球中取100粒样本，100粒糖球就是这个样本的大小。
分解概念3： 推算出样本达到某指定成功占比的概率，这句话是什么意思呢？
- 比如我们要求推算100粒糖球中（总体1000粒）红色糖球占比20%的概率。其中，20%为指定样本成功占比。100为样本大小。
- 再例如，我们要求推算200道题目中（总体1000道题）答对50%的概率。其中，50%为指定样本成功占比，200为样本大小。
思路与计算公式
- 关于这类模式的计算我们需要从题目中提炼下面三个要素：
- n - 已知样本数目
- p - 已知总体成功暂避
- x - 指定样本成功占比
- 求样本中某个成功占比的概率 P s P_s Ps
-
根据以上信息，计算样本均值和方差：
均值： E ( P s ) = p E(P_s)=p E(Ps)=p
方差： V a r ( P s ) = p q n （ q = 1 − p ) Var(P_s)=\frac{pq}{n} （q=1-p) Var(Ps)=npq（q=1−p) -
确定 P s P_s Ps的分布
当n很大时（所谓很大，即n>30), P s P_s Ps近似如下正态分布：
P s ∽ N ( p , p q n ) P_s \backsim N\Big(p,\frac{pq}{n}\Big) Ps<
最低0.47元/天 解锁文章
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
