应用数理统计学习总结辅导.docxVIP

内距IQR即Inter-Quartile Range, 这是统计技术上的名词。 内距又称为四分位差，是两个四分位数之差，即内距IQR=高四分位数—低四分位数。 标准化四分位距——对一组按顺序排列的数据，上四分位值Q3与下四分位值Q1之间的差称为四分位距（IQR），即IQR=Q3-Q1。IQR乘以因子0.7413得标准化四分位距（Norm IQR），它是稳健统计技术处理中用于表示数据分散程度的一个量，其值相当于正态分布中的标准偏差（SD）。 稳健变异系数——标准化四分位距除以中位值，并以百分数表示。 极大值——一组结果中的最大值。 极小值——一组结果中的最小值。 变动范围——极大值减极小值。 应用数理统计学习辅导 第一章 绪论 数理统计：数理统计是一门对客观不确定现象进行数据搜集、整理、表列和分析的科学．其目的是了解客观情况，探索数据内在结沟及现象之间的规律性。 描述统计：对搜集的全部数据加以整理来研究这些数据的特征； 推断统汁：建立在样本数据的基础上对总体的特征做出估计和推断。 数理统计学的发展大致经历了古典统计学，近代统计学和现代统计学三个阶段。 第二章 数据的搜集、整理与描述 统计表最主要的内容：指标名称与指标数值。 数据集中趋势的计量： （1）均值：算术平均数、加权算术平均数 （2）几何平均数 （3）中位数 （4）众数 （5）切尾均值 数据离散趋势的计量： （1）极差：又称全距。极差是数据中最大值与最小值之差 （2）四分位差 （3）平均差：数据值与其均值之差的绝对值的平均数 （4）方差和标准差。方差是数据值与其均值离差平方和的平均数。方差不仅可以向来反映均值代表性的高低，而且也是数据离散趋势的最主要的统计量特征。 （5）离散系数。 第三章 概率基础 随机试验：凡是一个行动或过程会导致一系列可能的结果之一，但具体发生哪一个结果是不确定的，这种行动或过程统称为随机试验。 样本空间：随机试验所有可能结果的集合称作样本空间。 随机事件：随机试验的每一个可能的结果称为随机事件。 必然事件：必然发生的事件称为必然事件 不可能事件：必然不发生的事件称为不可能事件。 包含：如果事件A的发生必然导致事件B的发生．则称事件A包含事件B，记作AB。 事件的并：两个事件A、B中至少有一个发生称为两个事件的并．记作A∪B。 事件的交：两个事件A、B同时发生称为两个事件的交，记作A∩B。 事件的差：事件A发生而事件B不发生称为两个事件的差，记作A-B或。 对立事件：样本空间与事件A的差称为事件A的逆事件或对立事件、互补事件。记作。 互斥事件：事件A与事件B不可能同时发生称为两个事件互不相容或互斥．记A∩B=Ф。摩根律： 古典概型：如果某一随机试验的结果（基本事件）有限，而且各个结果出现的可能性相等．则某一事件A的概率为该事件所包含的基本事件数m与样本空间中所包含的基本事件个数n的比值．记作： 概率的公理化定义： （1）对于任何一个事件A，有0≤P（A）≤1。 （2）对于必然事件，；对于不可能事件，有。 （3）对于两两互斥事件：，有 概率的加法： 概率的乘法： 独立与互斥： （1）互斥事件一定是相互依赖（不独立）的，但相互依赖的事件则不一定是互斥的。 （2）不互斥事件可能是独立的。也可能是不独立的．然而独立的事件不可能是互斥的。 全概率公式： 设为一样本空间，事件为互斥事件，且有和P（B）0，若样本空间的另一个事件A与上述B个事件同时出现，则有： 贝叶斯公式 第四章 随机变量及其分布 随机变量可以分为离散型随机变量和连续型随机变量两种。离散型随机变量的可能取值为有限可数个或无限可数个。连续型随机变量的可能取值是某一区间的全部数值。 离散型随机变量的概率分布特点： (1)随机变量的值是可以一一列举的。 (2)，即随机变量取某一特定xi值的概率为非负。 (3)，即随叽变量X取各个可能数值xi的概率之和为1。 离散型随机变量的期望与方差： 数学期望： 随机变量的每一个可能值，以其概率作为权数的加权算术平均数，它位于随机变量的重心位置。 方差： 每一个随机变量与数学期望的离差平方之数学期望，以反映随机变量的离散程度。 离散型随机变量的分布： 1.二项分布 （1）贝努里试验的特点： 每一次试验都有两种可能的结果：“成功”或“失败”。 每次试验其“成功”的概率(设为P)是一样的，相应地“失败”的概率(设为q)也是不变的。因此：p+q=1 每一次试验相互独立。 （2）二项分布 若随机变量X服从二项分布b(n，p)，则二项分布的均值为np．方差