推断性统计部分(一) |
您所在的位置:网站首页 › 统计总体与样本之间的关系 › 推断性统计部分(一) |
推断性统计部分(一)—样本与分布的关系及其检验统计量
标签(空格分隔): 概率论与数理统计 统计除了可以描述随机变量特征之外,还有一个重要作用,推断!这也是为什么把统计分为描述性统计和推断性统计的原因,以我目前的理解,推断性统计的作用在于以小推大,以微观推宏观,不排除后续继续深入学习之后得出新的结论。 在我另一篇文章描述性统计(一)—-统计量中,写到过关于样本的一些统计量,在此基础上,增加样本与分布的关系。 样本平均值、样本方差、样本标准差、样本k阶矩、样本k阶中心距 样本平均值: X¯¯¯=1n∑ni=1Xi 样本方差: S2=1n−1∑ni=1(Xi−X¯)2 样本标准差: S=S2−−√=∑ni=1(Xi−X¯)2n−1−−−−−−−−−√ 样本k阶(原点)矩: Ak=1n∑ni=1Xki,k=1,2,3,…… 样本k阶中心矩: Bk=1n∑ni=1(Xi−X¯)k,k=1,2,3,…… 首先知道两个定律: 大数定律:定理(服从具有期望值 E(x) 的同一个分布且相互独立的n个随机变量,在n足够大的时候,它们的算术平均值收敛于这一分布的期望 E(x) ),简单来说,就是当样本容量足够大的时候,样本均值就约等于总体均值。 中心极限定理:定理(有几个定理,不一一列出了),简单来说,就是当样本足够大的时候,从一个总体中抽出来的样本均值近似的服从 N |
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭 |