分布拟合检验解析：.pptVIP

The Applications In Social Sciences 法律 心理学（测慌） 经济学 社会学 人口学 管理科学 文学 考古 …… The Applications In Social Sciences（法律之一） The Applications In Social Sciences(法律之二） The Applications In Social Sciences(法律之二） The Applications In Social Sciences(文学—红楼梦） 在IT业中的应用 分类、搜索 图像或模式识别 网络完全（数字签名） 统计在医药卫生中的应用 Biostatistics 制药业（比对试验） 疾病的诊断（Bayes方法，图模型等） 病理分析 疾病的控制 The Applications In Bioinformation Data Mining （一） ９９：８１７９，７９５４, ７６２６９，８４０６，９４０５, ７９１８９３４，１.９１８１７. 舅舅：不要吃酒，吃酒误事， 吃了二两酒，不是动怒，就是动武， 吃酒要被酒杀死，一点酒也不要吃。 Data Mining（二） 7 ÷2 2≦x≦3 40 ÷ 6 二四六八 1 × 1 = 1 10002 =100×100×100 7/8 687 3x 不三不四 接二连三 陆续不断 无独有偶 一成不变 千方百计 七上八下 了不起 thanks 数据挖掘的定义 数据挖掘：从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。 原始数据可以是结构化的也可以是半结构化的。 发现知识的方法可以是数学的，也可以是非数学的；可以是演绎的，也可以是归纳的。 Data Mining（三） Data Mining（四） 统计方法 计算机的应用 计算方法 Data Mining(五) （啤酒与尿布） 有一次，美国沃尔玛公司的分店经理发现：一段时期以来，每逢周末店内啤酒和尿布的销量 都会同比攀升。 ... 分析还发现：原来这些人习惯晚上边看球赛、边喝啤酒，对于要照顾 的孩子，为了图省事就用一次性尿布。于是沃尔玛决定：把这两种商品集中摆在一起。 数据挖掘(Data mining, DM)技术是一门综合性的技术领域，主要涉及数据库、人工智能和数理统计3个技术领域。 数据挖掘的产生 产生的前提：从大量数据中找出隐藏在其中的、有用的信息和规律；计算机技术和信息技术的发展使其有能力处理这样大量的数据。 数据挖掘的应用价值 应用数据挖掘从大量数据中所发现的规律并不是“放置四海而皆准”的规律，而是面向某一应用的规律，具有具体的指导意义。 成功例子： 零售业的沃尔马“啤酒与尿布”规律 Google 中国宝山钢铁公司1995年开始利用数据挖掘技术提高热轧产品质量、合理配矿 中国铁道部1998年开始利用数据挖掘技术分析春运期间的铁路客流量，挖掘影响铁路客运总量的关键因素 …… 数据挖掘的发展过程 八十年代人工智能（AI）研究项目失败后，转入实际应用时提出的。 1989年国际上第一次关于数据挖掘与知识发现的研讨会在美国的底特律召开，在此次会议上第一次提出了知识发现（Knowledge Discovery in Database, KDD）一词。 1995年，在加拿大召开了第一届KDD和DM国际学术会议。会议对KDD做了确切的定义 。 从九十年代中后期开始，KDD和DM已成为研究的热点和焦点。 4.3 正态性检验 正态分布是最常用的分布，用来判断总体分布是否为正态分布的检验方法称为正态性检验，它在实际问题中大量使用。 一、 正态概率纸 正态概率纸可用来作正态性检验，方法如下：利用样本数据在概率纸上描点，用目测方法看这些点是否在一条直线附近，若是的话，可以认为该数据来自正态总体，若明显不在一条直线附近，则认为该数据来自非正态总体。 例4.4 随机选取10个零件，测得其直径与标 准尺寸的偏差如下：（单位：丝） 9.4 8.8 9.6 10.2 10.1 7.2 11.1 8.2 8.6 9.6 在正态概率纸上作图步骤如下： (1) 首先将数据排序： 7.2 8.2 8.6 8.8 9.4 9.6 9.8 10.1 10.2 11.1; (2) 对每一个i，计算修正频率 (i-0.375)/(n+0.25), i=1,2,…,n, (3) 将