原创力文档- 1、本文档共32页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
概率论与数理统计统计量及其分布1
汇报人：AA
2024-01-19
contents
目录
概率论基本概念
数理统计基础
常用统计量及其分布
参数假设检验方法
方差分析及回归分析初步
总结回顾与拓展延伸
概率论基本概念
01
样本空间
所有可能结果的集合，常用大写字母S表示。
事件A发生的可能性大小，记为P(A)。
概率定义
非负性、规范性（必然事件的概率为1）、可加性（互斥事件的概率和）。
概率性质
在事件B发生的条件下，事件A发生的概率，记为P(A|B)。
如果事件A和事件B的发生互不影响，则称事件A和事件B相互独立。
独立性
条件概率
全概率公式
如果事件B1、B2、...、Bn构成一个完备事件组，且都有正概率，则对任意一个事件A，有P(A)=P(A|B1)P(B1)+P(A|B2)P(B2)+...+P(A|Bn)P(Bn)。
贝叶斯公式
在全概率公式的假定下，有P(Bi|A)=[P(A|Bi)P(Bi)]/P(A)，其中i=1,2,...,n。
数理统计基础
02
总体
样本
样本容量
从总体中随机抽取的一部分个体组成的集合。
样本中包含的个体数。
研究对象的全体个体组成的集合。
统计量定义
由样本数据计算出来的量，用于描述样本特征。
无偏性
统计量的期望值等于总体参数的真值。
一致性
随着样本容量的增加，统计量的值逐渐接近总体参数的真值。
有效性
对于同一总体参数的两个无偏估计量，方差较小的估计量更有效。
样本均值
样本中所有数据的平均值，用于估计总体均值。
样本方差
样本中各数据与样本均值之差的平方的平均值，用于估计总体方差。
样本标准差
样本方差的平方根，用于衡量数据的离散程度。
样本矩
样本的k阶原点矩和k阶中心矩，用于描述数据的分布形态。
卡方分布
n个相互独立的服从标准正态分布的随机变量的平方和服从自由度为n的卡方分布。
三大抽样分布
卡方分布、t分布和F分布，在参数估计和假设检验中具有重要作用。
抽样分布
由样本统计量所形成的概率分布。
t分布
用于根据小样本来估计呈正态分布且方差未知的总体的均值，其形状与自由度df有关。
F分布
两个卡方分布变量的比值服从F分布，常用于方差分析和回归分析中的假设检验。
常用统计量及其分布
03
均值
描述数据集中趋势的统计量，是所有数据之和除以数据个数。对于随机变量X，其均值E(X)表示随机变量取值的平均水平。
方差
描述数据离散程度的统计量，是每个数据与均值之差的平方的平均值。对于随机变量X，其方差D(X)表示随机变量取值的波动程度。
VS
一种基于样本矩来估计总体矩的方法。通过样本的一阶矩（即样本均值）来估计总体的均值，通过样本的二阶矩（即样本方差）来估计总体的方差。
性质
矩估计法具有一致性、无偏性和有效性等优良性质，在实际应用中广泛使用。
矩估计法
一种基于似然函数来估计总体参数的方法。通过最大化似然函数来得到参数的估计值，即选择使得观测数据出现概率最大的参数值。
最大似然估计法
最大似然估计法具有一致性、渐近无偏性和渐近有效性等优良性质，在参数估计中占有重要地位。
性质
一种基于样本数据来构造总体参数置信区间的方法。通过构造包含总体参数的区间，并给出该区间包含总体参数的概率（置信水平），来对总体参数进行区间估计。
区间估计法能够提供关于总体参数的更多信息，包括参数的取值范围和置信水平等。在实际应用中，常常结合假设检验等方法来使用。
区间估计法
性质
参数假设检验方法
04
原假设与备择假设
在假设检验中，原假设$H_0$通常表示总体参数等于某个特定值或属于某个特定范围，而备择假设$H_1$则表示总体参数不等于该特定值或不属于该特定范围。
检验统计量与拒绝域
检验统计量是根据样本数据计算出的一个统计量，用于与某个临界值进行比较，从而决定是否拒绝原假设。拒绝域是指检验统计量取值的范围，当检验统计量落入拒绝域时，我们拒绝原假设。
显著性水平与检验功效
显著性水平$alpha$表示在原假设为真时，错误地拒绝原假设的概率。检验功效$1-beta$表示在备择假设为真时，正确地拒绝原假设的概率。
单样本t检验
当总体服从正态分布且方差已知时，可以使用单样本t检验对总体均值进行假设检验。
单样本Z检验
当总体服从正态分布且方差未知时，如果样本量足够大（通常要求样本量大于30），可以使用单样本Z检验对总体均值进行假设检验。
两独立样本t检验
当两个独立总体服从正态分布且方差相等时，可以使用两独立样本t检验对两个总体均值是否有显著差异进行假设检验。
要点一
要点二
配对样本t检验
当两个相关总体服从正态分布且方差相等时，可以使用配对样本t检验对两个总体均值是否有显著差异进行假设检验。例如，比较同一组受试者接受不同处理前后的效果。
符号检验是一种非参数检验方法，用于比较两个相关
文档评论（0）