假设检验之正态性检验F检验T检验课件.pptxVIP

统计实战系列假设检验之正态性检验,F检验,T检验课件数据分析师、质量控制工程师、科研人员及统计学爱好者

开篇正态分布的核心参数：均值、方差与标准差1N(μ,σ2)中μ为位置参数：控制分布中心，μ每变化1个单位，整个钟形曲线沿横轴平移相同距离，形态不变2σ为尺度参数：σ决定分布离散程度，σ增大1倍时曲线高度降低至1/2，宽度扩大至2倍，方差σ2量化离散总量368-95-99.7经验法则：数据落在[μ-σ,μ+σ]内的概率为68.27%，[μ-2σ,μ+2σ]为95.45%，[μ-3σ,μ+3σ]为99.73%4快速判断数据合理性：若实际数据中超出3σ范围的观测值超过0.3%，则数据可能非正态或存在测量误差5参数估计精度公式：μ的95%置信区间为[X?±1.96×σ/√n]，当n=100时误差幅度约为σ的20%，n=400时缩小至10%02

误区破除[误区破除]迷思一：所有数据都接近正态分布·收入、订单量等偏态数据若强行假设正态，I类错误率可从0.05膨胀至0.12以上，显著增加假阳性风险·电商收入常呈长尾分布，头部10%用户贡献60%以上GMV，中位数往往仅为均值的40%·对数正态变换是处理此类数据的常用手段，ln(X)接近正态后可直接使用标准统计方法·设备故障间隔时间适合用威布尔分布建模，形状参数β1表示早期失效期，β1表示磨损期·六西格玛质量控制中的Cpk指数计算基于