概率论与数理统计数理统计的基本知识.pptxVIP

汇报人：AA2024-01-19概率论与数理统计数理统计的基本知识

目录CONTENTS概率论基本概念数理统计基本概念假设检验方差分析回归分析时间序列分析初步

01概率论基本概念

事件概率古典概型事件与概率在一定条件下，并不总是发生（或说必然发生）的现象。表示事件发生的可能性大小的数值，常用P表示。如果每个样本点发生的可能性相等，则事件A发生的概率P(A)等于A中包含的样本点数与样本空间S中包含的样本点数之比。

事件的独立性如果事件A的发生与否对事件B发生的概率没有影响，则称事件A与B相互独立。乘法公式如果事件A与B相互独立，则P(AB)=P(A)P(B)。条件概率在事件B发生的条件下，事件A发生的概率，记作P(A|B)。条件概率与独立性

离散型随机变量全部可能取到的值是有限个或可列无限多个的随机变量。随机变量定义在样本空间S上的实值函数，常用X,Y等表示。连续型随机变量可以在某个区间内取任意值的随机变量，其取值是连续不断的。概率密度函数连续型随机变量的分布函数是一个连续函数，其导数称为概率密度函数，记作f(x)。分布函数描述随机变量取值的概率分布规律的函数，记作F(x)。随机变量及其分布

02数理统计基本概念

研究对象的全体个体组成的集合，通常用一个随机变量及其分布来描述。总体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。样本样本中包含的个体数目，通常用n表示。样本容量总体与样本

统计量样本的函数，用于描述样本的特征，如样本均值、样本方差等。抽样分布统计量的概率分布，描述了不同样本下统计量的可能取值及其概率。常用抽样分布正态分布、t分布、F分布、卡方分布等。统计量与抽样分布

描述总体特征的量，如总体均值、总体方差等。参数用一个具体的数值来估计总体参数的方法，如样本均值作为总体均值的估计。点估计根据样本数据构造一个区间，以较大的概率包含总体参数的真值。区间估计无偏性、有效性、一致性等。估计量的评价标准参数估计

03假设检验

原假设与备择假设根据问题的背景提出原假设$H_0$和备择假设$H_1$，原假设通常是认为总体参数等于某个特定值，而备择假设则是总体参数不等于该特定值或属于某个特定范围。检验统计量与拒绝域构造一个合适的检验统计量，并根据显著性水平$alpha$确定拒绝域，当检验统计量的观测值落入拒绝域时，我们拒绝原假设。第一类错误与第二类错误在假设检验中，可能会犯两类错误，第一类错误是当原假设为真时错误地拒绝原假设，第二类错误是当原假设为假时未能拒绝原假设。假设检验的基本思想

单个正态总体的假设检验单样本t检验当总体方差未知且样本量较小时，可以使用单样本t检验对单个正态总体的均值进行假设检验。样本方差的检验使用卡方分布对单个正态总体的方差进行假设检验。

两个正态总体的假设检验当两个样本分别来自两个独立的正态总体时，可以使用两独立样本t检验对两个总体的均值差进行假设检验。配对样本t检验当两个样本是配对的，即每个样本观测值之间存在一一对应关系时，可以使用配对样本t检验对两个总体的均值差进行假设检验。F检验使用F分布对两个正态总体的方差比进行假设检验。两独立样本t检验

04方差分析

实验设计单因素实验是指仅有一个自变量，通过比较不同水平下的因变量均值差异来推断自变量对因变量的影响。假设检验提出原假设和备择假设，通过计算F统计量并与临界值比较，判断原假设是否成立。方差分析表列出各来源的变异（组间、组内）及其自由度、均方、F值等，用于判断自变量对因变量的影响是否显著。单因素方差分析

假设检验分别针对两个自变量提出原假设和备择假设，通过计算F统计量并与临界值比较，判断原假设是否成立。交互作用分析检验两个自变量之间是否存在交互作用，即一个自变量的效应是否受到另一个自变量的影响。实验设计双因素实验是指有两个自变量，通过比较不同水平组合下的因变量均值差异来推断两个自变量对因变量的影响。双因素方差分析

多重比较方法根据所选方法计算出的p值或置信区间来判断各水平之间是否存在显著差异，并给出相应的结论。多重比较结果的解释在方差分析中，当拒绝原假设后，需要对不同水平下的均值进行两两比较，以确定哪些水平之间存在显著差异。多重比较的概念常用的多重比较方法包括Tukey法、Scheffe法、Bonferroni法等，这些方法在控制第一类错误的同时，尽可能地提高检验的效能。多重比较的方法

05回归分析

回归方程描述因变量与一个自变量之间的线性关系，形式为y=ax+b。最小二乘法通过最小化预测值与实际值之间的平方误差总和，来估计回归方程的系数。回归系数的解释回归系数a表示自变量x每增加一个单位，因变量y的平均变化量。一元线性回归分析030201

描述因变量与多个自变量之间的线性关系，形式为y=a1x1+a2x2+...+anxn+b。多元回归方程