泉州做外贸网站,公司体系建设的意义,请人做网站需要注意什么,知名网站建设公司电话学习之前#xff0c;需强调#xff1a;概率是已知模型和参数#xff0c;推数据#xff1b;而统计是已知数据#xff0c;推模型和参数。
第十二集#xff1a;样本与总体 首先#xff0c;为何需要样本呢#xff1f;因为人类并不能总是获取总体数据#xff0c;例如需强调概率是已知模型和参数推数据而统计是已知数据推模型和参数。
第十二集样本与总体 首先为何需要样本呢因为人类并不能总是获取总体数据例如人类的身高数据全世界每秒都有人出生和死去要获取总体数据是不现实的故需要样本。样本就是从总体中抽取的一部分数据人类希望用样本来估计总体这样做可以节省人力物力而且可行对么其次在统计学中样本的均值通常用总体的均值用。均值中位数众数是用来衡量数据集中趋势。
第十三集总体方差 总体方差是用来描述总体数据离散程度的统计工具。即数据偏离总体中间水平的程度用符号来表示请注意这是总体方差。下面会讲述样本方差。
第十四集样本方差 总体方差是用来描述样本数据离散程度的统计工具。即数据偏离样本中间水平的程度用符号来表示具体计算如图1需注意均值为样本均值。图1算样本方差存在一个问题就是样本集的选择问题由于事前不知道样本的分布选择样本集求均值时容易出现偏差如紫色的点选取前四个会让样本均值偏大从而导致样本方差低于总体方差。为避免这种情况提供无偏估计我们定义无偏样本方差。如图2所示。
第十五集标准差 标准差就是方差开平方用表示。意义与方差一样优点是直观。注意总体方差与样本方差的区别和联系。
第十六集诸方差公式 为了更快的计算方差给出方差化简后的公式。黄线圈住的。
第十七集随机变量介绍 随机变量与普通变量不同因为随机变量通常是一个函数用于量化随机过程。通常用大写字母XYZ等表示而传统变量通常用小写字母xyz表示。随机变量有两类离散型和连续型。例如明天是否下雨用随机变量X来表示它只有0,1两种值即取值有限且不连续X是离散型随机变量而对于明天下雨量用Y表示它可以取连续值0.1,0.2,0.5,0.511等可以是无穷的数据Y是连续型随机变量。
第十八集概率密度函数 建议看这篇博客https://www.jianshu.com/p/b570b1ba92bb。需要指出的是概率密度函数是针对连续性随机变量而言的。
第十八集-----二十二集 二项分布 这几节主要讲了二项分布的例子便于理解。二项分布进阶的博客https://blog.csdn.net/Michael_R_Chang/article/details/39188321。需注意的是二项分布针对的是离散型随机变量。
第二十三集期望 随机变量的期望值其实是总体的均值但有时由于总体样本无限多用均值计算方法很难计算故提出期望计算均值的方法.其思想是用频率作为权重计算出所有结果的加权平均值。 第二十四集二项分布的期望值 对于二项分布的期望计算如图所示本课有详细推导感兴趣可以跟着推导一遍。
第二十五、六集泊松过程 泊松分布是来自于二项分布。具体参见https://www.matongxue.com/madocs/858.html。在使用泊松分布前我们应该知道它是用来求取某个时间段内发生事情x的概率有多大且其是离散分布。具体推导可以学习这章内容。
第二十七集 大数定律 大数定律描述了随机现象最根本的一个性质平均结果的稳定性。大数定律告诉我们对于独立同分布的随机序列只要总体均值随机变量期望存在则随着样本数的增加样本均值会收敛到总体均值。注意样本数的足够性概率是频率的一个极限值这样可以避免赌徒谬误。http://blog.sciencenet.cn/blog-677221-1063741.html赌徒谬误
第二十八–三十四集 正态分布 二项分布泊松分布都是离散分布而正态分布是连续分布。二项分布和泊松分布都可以转化为正态分布。泊松分布是,而正太分布是为无穷大。图1是正态分布的概率密度函数图和表达式图二是计算时使用的一些经验法则具体说与均值相差一个标准差概率是68% 两个标准差概率是95%三个标准差概率是99.7%。当然具体计算也可以查阅正态分布表。
