数理统计与描述性统计
一、数理统计概念
1.基本概念释义
- 定义
在数理统计中,称研究对象的全体为总体,通常用一个随机变量表示总体。组成总体的每个基本单元叫个体。从总体X中随机抽取一部分个体X1,X2,…,Xn,称X1,X2,…,Xn为取自X的容量为n的样本。 - 性质
样本具有两重性,即当在一次具体地抽样后它是一组确定的数值。但在一般叙述中样本也是一组随机变量,因为抽样是随机的。
2.统计量与抽样
- 统计推断
数理统计的任务是采集和处理带有随机影响的数据,或者说收集样本并对之进行加工,以此对所研究的问题作出一定的结论,这一过程称为统计推断。 - 统计量
在统计推断中,对样本进行加工整理,实际上就是根据样本计算出一些量,使得这些量能够将所研究问题的信息集中起来,这种根据样本计算出的量就是统计量,统计量是样本的某种函数。 - 抽样分布
统计量的分布称为抽样分布。
3.常用的统计量
- 样本均值
样本均值通常用来估计总体分布的均值和对有关总体分布均值的假设作检验。
样本均值公式:设X1,X2,…,Xn是总体X的一个简单随机样本,则

- 样本方差
通常用样本方差来估计总体分布的方差和对有关总体分布均值或方差的假设作检验。
样本方差公式:设X1,X2,…,Xn是总体X的一个简单随机样本,则

- k阶样本原点矩
通常用样本的无阶原点矩来估计总体分布的k阶原点矩。
k阶原点矩是随机变量x“偏离”原点(0,0)的“距离”的k次方的期望值,当k = 1时,相当于样本均值
k阶样本原点矩公式:设X1,X2,…,Xn是总体X的一个简单随机样本,则

- k阶样本中心矩
k阶中心矩是随机变量x“偏离”其中心的“距离”的k次方的期望值。一般均以其平均数为“中心”。
当样本量足够大时,1/n与1/(n-1)近似于相等。
k阶样本中心矩公式:设X1,X2,…,Xn是总体X的一个简单随机样本,则

二、描述性统计
1.数据集中趋势的度量
- 平均数
均值又称算术平均数,适用于数值型数据,不适用于类别数据。

- 中位数
一组数据按顺序排列后,居于中间位置的数。
中位数描述数据中心位置的数字特征,对于对称分布的数据,均值与中位数比较接近,对于偏态分布的数据,均值与中位数则可能相差很大。
中位数不受异常值的影响,具有稳健性。

- 频数
指同一观测值在一组数据中出现的次数。 - 众数
一组数据中,出现次数最多的那个数(几个数)。 - 四分位数
四分位差越大,表示数据离散程度越大。
四分位数是在一定程度上对极差的一种改进,避免了极端值的干扰,但它对数据差异的反映仍然是不充分的。
四分位差是一种顺序统计量,适用于定序数据和定量数据,尤其是当用中位数来测度数据集中趋势时。 - 均值 VS
1124



被折叠的 条评论
为什么被折叠?



