数据的统计与概率.pptxVIP

THEFIRSTLESSONOFTHESCHOOLYEAR数据的统计与概率

目CONTENTS数据的收集与整理数据的描述性统计概率基础随机变量与概率分布统计推断贝叶斯统计录

01数据的收集与整理

调查数据在科学实验、工业生产等过程中获得的数据。实验数据观测数据公开数府、企业、社会组织等公开的数据。通过问卷调查、访谈等方式收集的数据。通过观测、测量等方式获取的数据，如气象观测、卫星遥感等。数据来源

定性数据描述事物性质、特征的数据，如性别、血型等。定量数据可以量化的数据，如长度、重量、温度等。分类数据将事物按照某种标准进行分类的数据，如教育程度、婚姻状况等。顺序数据按照某种顺序排列的数据，如评分等级、排名等。数据分类

数据清洗去除无效、错误数据，保证数据质量。数据转换将数据转换为更易于分析的格式或类型。数据分组按照一定标准将数据进行分组，以便进行进一步分析。数据可视化将数据以图表、图像等形式呈现，以便更直观地理解数据。数据整理方法

01数据的描述性统计

平均数与中位数平均数表示数据集中趋势的统计量，计算所有数值的和除以数值的数量。中位数将数据按大小排序后，位于中间位置的数值。

出现次数最多的数值。众数远离数据集中心的数值，可能对分析产生影响。异常值众数与异常值

正态分布钟形曲线，平均数和标准差决定分布形态。峰态分布数据分布的尖锐程度，有尖峰分布和平峰分布。偏态分布数据分布不对称，有正偏态和负偏态之分。数据的分布形态

01概率基础

概率是一个非负实数，表示随机事件发生的可能性大小。概率的公理化定义概率是某事件发生的次数与所有可能事件发生次数的比值。概率的统计定义概率是个人对某一事件发生的信任程度。概率的主观定义概率的定义

概率的加法性质两事件中至少有一个发生的概率为两事件概率之和减去两事件同时发生的概率。概率的乘法性质两事件同时发生的概率为两事件概率的乘积。概率的取值范围概率的取值范围是[0,1]，其中0表示事件不可能发生，1表示事件一定发生。概率的性质

在事件B已经发生的条件下，事件A发生的概率称为条件概率。条件概率的定义两个事件A和B称为独立的，如果P(A|B)=P(A)且P(B|A)=P(B)。独立性的定义如果两个事件是独立的，则它们的条件概率等于它们各自的概率。条件概率与独立性的关系条件概率与独立性

01随机变量与概率分布

例子例如，抛掷一枚硬币，出现正面或反面的次数就是一个离散随机变量。概率分布离散随机变量的概率分布可以用概率质量函数（PMF）来表示，即对于每一个可能的取值，都有一个与之对应的概率。定义离散随机变量是在一定范围内可以一一列举出来的随机变量，其取值是离散的。离散随机变量

定义连续随机变量是在一定范围内可以连续取值的随机变量，其取值是连续的。例子例如，人的身高、体重等都是连续随机变量。概率分布连续随机变量的概率分布可以用概率密度函数（PDF）来表示，即对于每一个可能的取值，都有一个与之对应的概率密度。连续随机变量

常见的概率分布正态分布是一种常见的连续概率分布，其概率密度函数呈钟形曲线，具有对称性、可加性等性质。在自然现象、社会现象、科学研究等领域都有广泛的应用。正态分布当一个随机事件只有两种可能的结果，且这两种结果相互独立，重复n次，则这n次试验的结果服从二项分布。二项分布当一个随机事件在单位时间内发生n次的概率是λ^n*e^(-λ)/n!时，则这个随机事件服从泊松分布。泊松分布

01统计推断

点估计通过样本数据估计总体参数的具体数值，如使用样本均值估计总体均值。区间估计在一定的置信水平下，估计总体参数的可能取值范围，如95%置信区间。优劣比较比较不同估计方法的优劣，选择更准确、稳定和可靠的估计方法。参数估计030201

零假设与对立假设提出原假设和备择假设，原假设通常是希望被证伪的假设。显著性水平选择合适的显著性水平，通常为0.05或0.01，用于判断假设检验的结果是否具有统计学上的意义。样本数据根据样本数据计算检验统计量，并作出决策，判断原假设是否成立。假设检验

变异分解方差分析将数据变异分解为组间变异和组内变异，以评估不同因素对数据变异的影响。模型假设满足方差分析的假设条件，如正态分布、独立性和方差齐性。计算效应量以评估不同因素对结果的贡献程度，效应量越大表明该因素的影响越显著。效应量

01贝叶斯统计

贝叶斯定理贝叶斯定理是概率论中的一个基本定理，它提供了在给定一些未知参数的先验信息下，更新我们对该未知参数的后验概率的方法。贝叶斯定理公式贝叶斯定理的公式是P(A|B)=(P(B|A)*P(A))/P(B)，其中P(A|B)表示在给定B的条件下A的概率，P(B|A)表示在给定A的条件下B的概率，P(A)表示A的先验概率，P