实用统计分析方法与应用.pptxVIP

实用统计分析方法与应用

现代统计学的研究对象：统计方法和统计逻辑现代统计学的分类：从实际应用中的方法来区分可分为描述统计以总体全面资料或非随机性局部资料为基础的统计理论与方法体系统计总体论）、统计设计、统计调查、统计整理、统计指数、动态分析理论、数理统计依据随机样本推断总体特征的理论与方法体系概率论、经典统计理论、贝叶斯理论、统计判决理论等

R编程可视SAS编程Eviews编程可视Matlab编程可视SPSS可视Stata可视Excel可视。。。常用统计软件一览(3种数据形态)SPSS的特点：1：可视化操作，界面友好美观。2：数据接口多。3：操作简单，用户体验好。4：较之Excel数据处理能力更强。

数理统计的基本框架：3微积分概率论数理统计基础。。。计量经济学时间序列

数理统计的基本框架：微积分：数学基础，为概率论的运算以及数理统计的统计量提供基础。概率论：数理统计学所考察的数据都带有随机性（偶然性）的误差。这给根据这种数据所作出的结论带来了一种不确定性，其量化要借助于概率论的概念和方法。数理统计基础：对数据的结构分析和条件检验。对以数据为基础的计量经济学提供前端分析。计量经济学：利用建立模型和优化模型解决实际问题的方法。时间序列分析：是一种动态数据处理的统计方法。该方法基于随机过程理论和数理统计学方法，研究随机数据序列所遵从的统计规律，以用于解决实际问题。

数理统计的基本框架：5总体所研究对象的全体。个体：总体中最小的研究单位。总体容量：总体中所包含的个体个数。总体中每一个个体都具有相同的观察特征。样本从总体中抽出若干个个体组成的集体样本容量：样本中所包含的个体个数。样本的分类取决于取得样本的方法。如简单随机样本等。随机变量对客观事物进行观察试验的结果。随机变量是将试验事件数量化。

随机变量的数学特征6

随机变量的数学特征随机变量的分类定性分类随机变量可分为分类变量和有序变量定量分类随机变量按数据集是否能够取有限个或至多可列个值，可分为离散型变量和连续型变量。离散型变量：随机变量X只可能取有限个或至多可列个值连续型变量：变量可以在某个区间内取任一实数，即变量的取值可以是连续的

随机变量的数学特征分布：分布是形容数据的一类集体形态的特征，分布列或分布函数代表了数据出现在不同位置拥有的不同概率。离散型随机变量的分布列：表现出每一个随机变量取值及出现的概率例：价格A1（70万）A2（88万）A3（108万）占比25%50%25%某楼盘当期开盘的户型总价分布列常见的离散型变量分布：0-1分布，泊松分布

随机变量的数学特征

最常用的连续型随机变量分布——正态分布在统计中，许多重要的分布都是连续型分布，其中一种特别重要的连续型随机变量的概率分布就是正态分布(NormalDistribution)。正态分布最初为DeMoivre于1773年发现，其后，拉普拉斯(Laplace)和高斯(Gauss)对它作出了很大的贡献，尤其是高斯的贡献最为突出，所以正态分布又称为高斯分布。随机变量的数学特征

随机变量的数学特征1101期望03协方差与相关系数02方差04大数定律与中心极限定理

以频率为权重的加权平均随机变量的数学特征期望：在概率论和统计学中，一个离散型随机变量的期望值（或数学期望、或均值，亦简称期望）是试验中每次可能结果的概率乘以其结果的总和。离散型随机变量：随机变量X的数学期望，记作E（X），即010302

例某楼盘当期开盘的户型总价的分布列求整个项目的平均价格随机变量的数学特征E（X）=70*25%+88*50%+108*25%=88.5价格A1（70万）A2（88万）A3（108万）占比25%50%25%

正态分布的期望01连续型随机变量随机变量的数学特征设连续型随机变量X的概率密度为f(x),则02

01数学期望的意义02试验次数较大时，X的观测值的算术平均值03在E(X)附近摆动04数学期望又可以称为期望值(ExpectedValue)，05均值(Mean)06E(X)反映了随机变量X取值的“概率平均”,是X的07可能值以其相应概率的加权平均。

方差的引入E(X1)=5020305070801/81/81/21/81/8E(X2)=50总价（万元）占比4050601/41/21/4设有两个楼盘，其各户型总价取值规律如下：总价（万元）占比两种个楼盘的总价均值是相同的，但