概率数理统计数字特征.pptxVIP

概率数理统计数字特征汇报人：AA2024-01-19AAREPORTING2023WORKSUMMARY

目录CATALOGUE概率论基础数理统计基本概念数字特征描述性分析概率分布在数字特征中的应用数字特征在数据分析中的应用总结与展望AA

PART01概率论基础

概率的定义与性质概率是描述事件发生的可能性大小的数值，满足非负性、规范性和可列可加性。等可能概型与几何概型等可能概型指各样本点发生的可能性相等，几何概型则通过几何度量来定义概率。样本空间与事件样本空间是随机试验所有可能结果的集合，事件则是样本空间的子集。概率空间与事件

03多个事件的独立性多个事件相互独立，当且仅当其中任意多个事件发生的概率等于这些事件各自发生的概率之积。01条件概率在已知某一事件发生的条件下，另一事件发生的概率。02事件的独立性两个事件相互独立，意味着一个事件的发生不会影响另一个事件的发生概率。条件概率与独立性

随机变量的定义随机变量是定义在样本空间上的实值函数，用于描述随机试验的结果。离散型随机变量及其分布离散型随机变量取值为有限个或可列个，常用分布有0-1分布、二项分布、泊松分布等。连续型随机变量及其分布连续型随机变量取值充满某个区间，常用分布有均匀分布、指数分布、正态分布等。随机变量及其分布030201

数字期望（均值）01描述随机变量取值的平均水平，对于离散型随机变量，期望是所有可能取值与其对应概率的乘积之和；对于连续型随机变量，期望是概率密度函数与自变量乘积的积分。方差02描述随机变量取值与其均值的偏离程度，方差越大，说明随机变量取值越离散；方差越小，说明随机变量取值越集中。常见分布的期望与方差03如二项分布、泊松分布、均匀分布、指数分布、正态分布等，它们的期望和方差有特定的数学表达式。数字期望与方差

PART02数理统计基本概念

总体研究对象的全体个体组成的集合，通常用一个概率分布来描述。样本从总体中随机抽取的一部分个体组成的集合，用于推断总体的性质。样本容量样本中包含的个体数目，对统计推断的准确性和可靠性有重要影响。总体与样本

样本的函数，用于描述样本的特征，如样本均值、样本方差等。统计量统计量的概率分布，反映了统计量在多次抽样中的变化情况。抽样分布正态分布、t分布、F分布、卡方分布等，它们在参数估计和假设检验中发挥着重要作用。常见抽样分布统计量与抽样分布

点估计用样本统计量的某个取值直接作为总体参数的估计值。区间估计根据样本统计量的抽样分布，构造一个包含总体参数真值的置信区间，并给出该区间的置信水平。评价估计量的标准无偏性、有效性、一致性等，用于衡量估计量的优劣。参数估计方法

根据研究问题提出的两个相互对立的假设，其中原假设通常是研究者想要推翻的假设。原假设与备择假设用于判断原假设是否成立的统计量及其取值范围。检验统计量与拒绝域用于衡量原假设被拒绝的程度，显著性水平是事先设定的一个阈值，而P值是观察到的数据与原假设一致的程度。显著性水平与P值根据检验统计量的取值做出接受或拒绝原假设的决策，同时需要注意两类错误（弃真错误和取伪错误）的发生概率。检验决策与两类错误假设检验原理

PART03数字特征描述性分析

123所有数据的和除以数据的个数，反映数据集中趋势。均值将数据按大小排列后位于中间位置的数，反映数据中等水平。中位数数据中出现次数最多的数，反映数据集中情况。众数中心趋势度量：均值、中位数、众数

方差各数据与均值之差的平方和的平均数，反映数据的离散程度。极差最大值与最小值之差，反映数据波动范围。标准差方差的算术平方根，反映数据的波动情况。离散程度度量：方差、标准差、极差

数据分布偏斜方向和程度的度量，包括正偏态和负偏态。数据分布尖峭或扁平程度的度量，包括尖峰、平峰等。偏态与峰态分析峰态偏态

异常值检测通过箱线图、散点图等方法识别异常值。异常值处理根据具体情况采取删除、替换、保留等方法处理异常值。异常值定义与其他数据存在显著差异的值，可能由随机误差或系统误差导致。异常值检测与处理

PART04概率分布在数字特征中的应用

二项式分布描述在n次独立重复试验中成功次数的概率分布，其中每次试验成功的概率为p。二项式分布的数字特征包括期望值E(X)=np和方差D(X)=np(1-p)。泊松分布适用于描述单位时间内随机事件发生的次数，其概率分布与事件发生的时间间隔和频率有关。泊松分布的数字特征包括期望值E(X)=λ和方差D(X)=λ，其中λ表示单位时间内事件发生的平均次数。常见离散型随机变量分布：二项式、泊松等

正态分布描述许多自然现象的概率分布，其概率密度函数呈钟形曲线。正态分布的数字特征包括期望值E(X)=μ和方差D(X)=σ2，其中μ表示分布的均值，σ表示标准差。指数分布描述某些随机事件发生的时间间隔的概率分布，如等待时间、寿命等。指数