数据挖掘基础方法-概率统计-3. 常见分布与假设检验

本文介绍了数据挖掘中的概率统计基础知识,包括常见分布如几何分布、负二项分布和超几何分布等,并探讨了Python实现概率密度函数、累积分布函数等。同时,详细阐述了假设检验的基本概念、步骤、统计量选择,如P值、两类错误,并举例说明了正态检验、卡方检验、T-test、ANOVA和Mann-Whitney U Test的Python实战应用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1.1常见分布

分布 概率或概率密度 均值 E(X) 方差D(X)
二项分布 P(X=x)=Cnxpxqn−x P(X=x) = C_n^x p^x q^{n-x} P(X=x)=Cnxpxqnx npnpnp np(1−p)np(1-p)np(1p)
泊松分布 P{ X=i}=e−λλii! P\lbrace X= i \rbrace = e^{-λ} \frac{λ^i}{i!} P{ X=i}=eλi!λi λλλ λλλ
正态分布X ~ N(μ, σ2σ^2σ2) f(x)=12πσe−(x−u)22σ2 f(x)=\frac{1}{\sqrt{2π}\sigma}e^{\frac{-(x-u)^2}{2\sigma^2}} f(x)=2π σ1e2σ2(xu)2 uuu σ2\sigma^2σ2
均匀分布X~U[a,b] f(x)={ 1b−a,a≤x≤b 0,others f(x)= \begin{cases} \frac {1} {b-a} , & a \leq x \leq b \ 0, & others \end{cases} f(x)={ ba1,axb 0,others a+b2\frac {a+b} {2}2a+b (a−b)212\frac {(a-b)^2} {12}
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值