概率统计

方差表示的是一组数据相对于平均数 μ \mu μ的离散程度

在数据统计中，大部分情况下都是不能对总体的数据进行统计。比如统计一批键盘使用寿命，如果键盘都去做寿命测试，那都测坏了没法卖钱养家了。 此时需要从一批键盘中随机挑选一些键盘去代表总数进行测试。即抽取一些样本，对样本的计算结果去估计总体的一些情况。

平均数的计算公式 μ \mu μ = ∑ i = 1 n x i n \frac {\sum_{i=1}^n x_i} {n} n∑i=1n​xi​​ ， 样本的平均数和总体的平均数求法一致的；

总体方差的计算公式 σ 2 \sigma^2 σ2 = ∑ i = 1 n ( x i − μ ) 2 n \frac{ {\sum_{i=1}^n} {(x_i - \mu )^2} } {n} n∑i=1n​(xi​−μ)2​ ；

样本方差计算公式 σ 2 \sigma^2 σ2 = ∑ i = 1 n ( x i − μ ) 2 n − 1 \frac{ {\sum_{i=1}^n} {(x_i - \mu )^2} } {n-1} n−1∑i=1n​(xi​−μ)2​ 。

之所以分母是n-1，在样本数据足够大且无异常数据的情况下，分母可以为n 。 结论：样本估计的方差是总体方差的 n − 1 n \frac {n−1} {n} nn−1​倍，样本方差的期望是总体方差的一个无偏估计 。 无偏估计：是多次随机取样本计算，此时样本就会无限接近总体计算值，这个过程就是无偏估计。

n n − 1 S 2 \frac {n} {n-1}S^2 n−1n​S2 = n n − 1 \frac {n} {n-1} n−1n​ ∑ i = 1 n ( x i − μ ) 2 n \frac {\sum_{i=1}^n (x_i - \mu)^2} {n} n∑i=1n​(xi​−μ)2​ = ∑ i = 1 n ( x i − μ ) 2 n − 1 \frac {\sum_{i=1}^n (x_i - \mu)^2} {n-1} n−1∑i=1n​(xi​−μ)2​

正态分布，常态分布，高斯分布在不同的文章中会有不同的说法，他们的意义都是一样的。 通过上面的公式， 方差表示的是，观察数据偏离中心趋势（就是平均数）的离散程度。平均数表示观察数据的一般化情况。 知道观察数据的一般化情况和观察数据离散程度，那么就能得出很多特性了。 比如在平均数左右区间范围内，通过这个区间范围与 σ \sigma σ 标准差进行比较，就能得出对应的概率是多少，如果这种方式放到计算机中求一些大于某个数的概率是多少，计算机算法复杂度将会降到O(1)。由此就可以引出正态分布这个利器了，正态分布是前人已经整理好的东西，我们直接使用其结论解决问题就可以了。

正态分布的公式 f ( x ) f(x) f(x) = = = 1 σ 2 π \frac{1} {\sigma \sqrt{2 \pi} } σ2π ​1​ e − ( x − μ ) 2 2 σ 2 e^{- \frac {(x-\mu)^2} {2 \sigma^2}} e−2σ2(x−μ)2​ 也可以表示成 f ( x ) f(x) f(x) = = = 1 σ 2 π \frac{1} {\sigma \sqrt{2 \pi} } σ2π ​1​ exp{ − ( x − μ ) 2 2 σ 2 {- \frac {(x-\mu)^2} {2 \sigma^2}} −2σ2(x−μ)2​ } 。

得到了计算公式，标准差 σ \sigma σ 为 2，平均数为 μ \mu μ 为 0。得到如下图。

之前一直好奇，正态分布图像的高是什么意思。可以通过计算得出，根据上面已知的 σ \sigma σ和 μ \mu μ，带入公式，可以的出 f ( 0 ) f(0) f(0)等于 0.19947114020071635 。 那么高的意义是什么呢： 正态分布在计算概率密度时候，是根据距离中心值(平均值)的距离，然后求出对应图像的面积即是对应的概率； 如上所述，既然是求得面积得出对应的概率值。有了与中位值的距离，也就是宽。那么也应该需要有高。这里的高就是正态分布曲线存在的意义； 有时候离散程度（ σ \sigma σ 标准差）大一点，那么这个纵轴就需要配合着降低点高度。因为图形面积（概率密度）要保证在距离中心位置（ μ \mu μ平均数）的 σ \sigma σ标准差 范围内是一个固定值；这里也是体现正态分布纵轴（高度）的意义。 从正态分布的特性中，都知道，在距离一个 若干倍的 σ \sigma σ 范围内概率 是 固定值 。

下图可以看出，在若干倍的 σ \sigma σ 范围内的概率分布。所以正态分布都是前人准备好的，根据横轴就能得出概率密度了。

为了能够快速验证，把Java代码贴出来。 normfun是正态分布函数 f ( x ) f(x) f(x) = = = 1 σ 2 π \frac{1} {\sigma \sqrt{2 \pi} } σ2π ​1​ exp{ − ( x − μ ) 2 2 σ 2 {- \frac {(x-\mu)^2} {2 \sigma^2}} −2σ2(x−μ)2​ } 的代码。

代码的mu变量是公式中的 μ \mu μ 平均数，sigma变量是公式中的 σ \sigma σ 标准差，x就是变量中的x。

验证正态分布函数是否满足性质，需要对正态分布函数求定积分，如下代码贴出了正态分布函数的定积分代码。