数理统计中常用的分布、抽样分布定理.pptxVIP

REPORTINGAA2023WORKSUMMARY(数理统计中常用的分布、抽样分布定理)汇报人：AA2024-01-20AA数理统计基本概念常用概率分布抽样分布定理数理统计在数据分析中的应用数理统计在金融领域的应用数理统计在生物医学领域的应用目录CATALOGUEPART01数理统计基本概念总体与样本总体1研究对象的全体个体组成的集合，通常用一个随机变量$X$及其分布函数$F(x)$来描述。样本2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。样本量通常用$n$表示。样本空间3样本所有可能取值的集合。统计量与抽样分布统计量由样本观测值计算得到的用于描述样本特征的量，如样本均值、样本方差等。统计量不依赖于任何未知参数。抽样分布统计量的概率分布。在重复抽样条件下，同一统计量在不同样本上的取值构成的分布。常见的抽样分布有$chi^2$分布、$t$分布和$F$分布等。常用统计量及其性质0102030405样本均值样本方差样本标准差样本$k$阶原点矩样本$k$阶中心矩$bar{X}=frac{1}{n}sum_{i=1}^{n}X_i$，表示样本观测值的平均值。样本均值是总体均值的无偏估计，且当样本量足够大时，样本均值近似服从正态分布。$S^2=frac{1}{n-1}sum_{i=1}^{n}(X_i-bar{X})^2$，表示样本观测值的离散程度。样本方差是总体方差的无偏估计。$S=sqrt{S^2}$，表示样本观测值的离散程度的另一种度量。$A_k=frac{1}{n}sum_{i=1}^{n}X_i^k$，表示样本观测值的$k$次幂的平均值。$B_k=frac{1}{n}sum_{i=1}^{n}(X_i-bar{X})^k$，表示样本观测值相对于均值的$k$次幂的平均值。PART02常用概率分布离散型概率分布泊松分布描述单位时间内随机事件发生的次数的概率分布，常用于描述稀有事件的发生。二项分布描述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。几何分布描述进行一系列相互独立的试验，直到首次出现成功结果为止所需试验次数的概率分布。连续型概率分布正态分布01描述影响某个指标的随机因素非常多且每个因素的影响都很小的情况下，该指标的概率分布。正态分布具有钟型曲线形状，其均值和标准差决定了曲线的位置和形状。指数分布02描述连续型随机变量中，两个相邻事件发生的时间间隔的概率分布。常用于描述电子元件的寿命、电话通话时长等。t分布03在样本量较小且总体标准差未知的情况下，用于估计样本均值的概率分布。t分布的形状取决于自由度，随着自由度的增加，t分布逐渐接近正态分布。多维随机变量及其分布多维随机变量01描述多个随机变量的联合概率分布，常用于研究多个因素之间的相互影响。联合概率分布02描述多个随机变量同时取特定值的概率，用于分析多个随机变量之间的相关性和独立性。边缘概率分布03描述多维随机变量中某个随机变量的概率分布，即固定其他随机变量的取值后，该随机变量的概率分布。PART03抽样分布定理大数定律与中心极限定理大数定律当试验次数足够多时，频率将趋近于概率。即随着样本量的增加，样本均值趋近于总体均值。中心极限定理不论总体分布如何，当样本量足够大时，样本均值的分布近似于正态分布。这意味着即使总体不是正态分布，我们仍然可以使用正态分布的性质对样本均值进行推断。抽样分布及其性质抽样分布t分布从总体中随机抽取一定数量的样本，由此构成的样本统计量的分布称为抽样分布。常见的抽样分布有t分布、F分布和卡方分布。当总体为正态分布且方差未知时，样本均值与样本方差之比服从t分布。t分布的形态受自由度影响，自由度越大，t分布越接近正态分布。F分布卡方分布两个独立的卡方分布变量之比服从F分布。F分布常用于方差分析和回归分析中的假设检验。n个独立的标准正态分布变量的平方和服从自由度为n的卡方分布。卡方分布常用于检验总体方差或检验两个总体方差是否相等。参数估计与假设检验参数估计根据样本数据对总体参数进行估计的过程。参数估计分为点估计和区间估计。点估计是用一个具体的数值作为总体参数的估计值，如样本均值、样本比例等；区间估计则是给出一个包含总体参数的置信区间。假设检验先对总体参数提出一个假设，然后根据样本数据对这个假设进行检验的过程。假设检验的基本步骤包括建立假设、选择检验统计量、确定显著性水平和做出决策。常见的假设检验方法有t检验、F检验和卡方检验等。PART04数理统计在数据分析中的应用描述性统计分析数据集中趋势的度量包括平均数、中位数和众数等，用于描述数据分布的中心位置。数据离散程度的度量包括方差、标准差和极差等，用于描述数据分布的离散程度。数据分布形态的度量包括偏态和峰态等，用于描述数据分布的形状。推断性统计分析参数估计利用样本数据