zoukankan      html  css  js  c++  java
  • 2018.9.8-9.8 统计学课程笔记(1)-从概率论到统计学

    学习目标:抓住80%的核心考点 (参考专业综合考试大纲一书)

    重点如下:

    1概率论知识(同大学课程):计算均值,方差,标准差,背公式,正态分布

    2统计量及抽样分布-核心知识

    3参数估计(计算题) -居间估计计算

    4假设检验(判断题)

    5线性回归方程(小题)-判断相关性

    6other:其他是非重点

    ------------------------------开始扯淡-----------------------------

    1变量分类:(后期分析的变量都将针对这三类变量)

    分类变量(categorical variable) :说明事物类别的名称
    顺序变量(rank variable):说明事物有序类别的名称
    数值型变量(metric variable) :说明事物数字特征的名称

    2基本概念:

    后期在计算时,要区别研究对象是整体还是样本,这样计算公式带入的参数不一样。

    3数据度量

     a 集中趋势:一组数据向其中心值靠拢的倾向和程度

    分类数据:众数 (出现次数最多)
    顺序数据:中位数(排序后处于中间位置上的值)和四分位数(排序后处于25%和75%位置上的值)
    数值型数据:平均数(均值)-如上图

    三者关系如下图:

    b 离散程度(反映各变量值远离其中心值的程度)

    分类数据:异众比率 (用于衡量众数的代表性)

    顺序数据:四分位差(反映了中间50%数据的离散程度)

    数值型数据:方差和标准差 (大学概率论知识)-这里的X- 用u代替则是-总体方差和标准差

    相对离散程度:离散系数(用于对不同组别数据离散程度的比较)

     

    ----------------------------------以下是概率论知识:重点是正态分布----------------------------------------------

    1离散型随机变量:

    数学期望计算:

    方差计算:

     

    常见的离散型随机变量:二项分布(非0即1)

     2连续随机变量:

    概率密度函数:相当于高数的积分函数(总体面积为1)

     

    分布函数:相当于上图的a-b部分的面积

    正态分布:(标准正态分布有对称性)

    -------------------------------------------以下是统计学基础知识-------------------------------------------------------

    1统计量:是样本的一个函数,是函数,是函数,重要的说三次。

     2 .X2分布:期望为n,方差为2n(n为自由度) (n决定分布的形状,通常是不对称的正偏分布,当n增加时,形状趋于对称)

    t分布:类似正态分布的一种对称分布,它通常要比正态分布平坦和分散 (所以后面的参数估计计算中,用t分布计算出来的值和正态分布相差不大)

    F分布:(就是两个自由度的x2分布合在一起的)

    中心极限定理(就是他们在N样本量很大时,都会服从标准正态分布-为了简化计算吧,偷懒)

    -------------------------------------------------------END-----------------------------------------------------------------------

  • 相关阅读:
    常用坐标系椭球参数整理
    ArcEngine编辑保存错误:Unable to create logfile system tables
    ArcEngine:The XY domain on the spatial reference is not set or invalid错误
    dockManager中DockPanel的刷新问题!
    ibatis实现Iterate的使用
    mongodb用子文档做为查询条件的两种方法
    Eclipse中的文件导航插件StartExplorer
    mongoVUE的增删改查操作使用说明
    什么是脏读,不可重复读,幻读
    转:Maven常用命令
  • 原文地址:https://www.cnblogs.com/huangbaobaoi/p/9630162.html
Copyright © 2011-2022 走看看