互联网网站建设门户网网站建设方案书范文

当前位置： 首页 > news >正文

互联网网站建设门户网,网站建设方案书范文,推广产品的渠道有哪些,wordpress 5.1.1概率统计之概率篇 一 随机变量及其四种研究方法 为了更深入地研究随机现象#xff0c;需要把随机试验的结果数量化#xff0c;也就是要引进随机变量来描述随机试验的结果。 一般地#xff0c;把表示随机现象的各种结果或描述随机事件的变量叫做随机变量。随机变量通常用大…概率统计之概率篇 一 随机变量及其四种研究方法 为了更深入地研究随机现象需要把随机试验的结果数量化也就是要引进随机变量来描述随机试验的结果。 一般地把表示随机现象的各种结果或描述随机事件的变量叫做随机变量。随机变量通常用大写英文字母 X, Y, Z 等表示。 随机变量具有以下两个特点 (1) 在一次试验前不能预言随机变量取什么值。即随机变量的取值具有偶然性它的取值决定于随机试验的结果。 (2) 随机变量的所有可能取值是事先知道的而且对应于随机变量取某一数值或某一范围的概率也是确定的。 引进随机变量以后就可以把对随机事件的研究转化为对随机变量的研究从而可以引用微积分等其他数学理论和方法来研究随机现象。 用来刻画随机变量在某一方面的特征的常数就统称为数字特征。 那概率论干嘛要引入数字特征呢 概率论的核心是算概率算概率之前必须确定随机现象的规律即确定模型所以要引入随机变量再确定随机变量的分布在此基础上才解决了概率的计算问题。 但在实际问题中分布通常很难很难很难确定只好退而求其次了解一下随机变量的大概规律即随机变量的平均值波动范围等这些就是数字特征。 1.1 频数Frequencies 频数frequency又称“次数”。一组数据中某个值出现的次数。 频率relative frequency一组数据中某个值出现的比例。 RelativefrequencyFrequencynRelative\;frequency {{Frequency\;} \over {\rm{n}}} RelativefrequencynFrequency​ 概率又称或然率、机会率、机率几率或可能性是概率论的基本概念。概率是对随机事件发生的可能性的度量一般以一个在0到1之间的实数表示一个事件发生的可能性大小。 1.2 数据位置Measures of location 1.2.1 平均数/ 均值Average/ Mean 平均数是表示一组数据集中趋势的量数是指在一组数据中所有数据之和再除以这组数据的个数。它是反映数据集中趋势的一项指标。 特点 易受极端值影响数学性质优良数据对称分布或接近对称分布时应用 1算数平均数Arithmetic average 在一组数据中所有数据之和再除以数据的个数是反映数据集中趋势的一项指标 XˉX1X2…XnN∑i1nXiN\bar X {{{X_1} {X2} \ldots {X{\rm{n}}}} \over N} {{\sum\limits_{i 1}^n {{X_i}} } \over N} XˉNX1​X2​…Xn​​Ni1∑n​Xi​​ 2加权平均数Weighted average 加权平均数是不同比重数据的平均数加权平均数就是把原始数据按照合理的比例来计算 XˉX1f1X2f2…Xmfmf1f2…fm∑i1mXifi∑i1mfi\bar X {{{X_1}{f_1} {X_2}{f2} \ldots {X{\rm{m}}}{f_m}} \over {{f_1} {f_2} … {fm}}} {{\sum\limits{i 1}^m {{X_i}} {fi}} \over {\sum\limits{i 1}^m {{f_i}} }} Xˉf1​f2​…fm​X1​f1​X2​f2​…Xm​fm​​i1∑m​fi​i1∑m​Xi​fi​​ 1.2.2 众数Mode 众数是指在统计分布上具有明显集中趋势点的数值代表数据的一般水平。 也是一组数据中出现次数最多的数值有时众数在一组数中有好几个。用M表示。其特点 组数据中出现次数最多的变量值适合于数据量较多时使用不受极端值的影响一组数据可能没有众数也可能有几个众数 1.2.3 中位数Median 中位数又称中值统计学中的专有名词是按顺序排列的一组数据中居于中间位置的数代表一个样本、种群或概率分布中的一个数值其可将数值集合划分为相等的上下两部分。对于有限的数集可以通过把所有观察值高低排序后找出正中间的一个作为中位数。如果观察值有偶数个通常取最中间的两个数值的平均数作为中位数。其特点 不受极端值的影响。在有极端数值出现时中位数作为分析现象中集中趋势的数值比平均数更具有代表性主要用于顺序数据也可以用数值型数据但不能用于分类数据各变量值与中位数的离差绝对值之和最小 1.2.4 四分位数Quartile 四分位数也称四分位点是指在统计学中把所有数值由小到大排列并分成四等份处于三个分割点位置的数值。多应用于统计学中的箱线图绘制。它是一组数据排序后处于25%和75%位置上的值。四分位数是通过3个点将全部数据等分为4部分其中每部分包含25%的数据。很显然中间的四分位数就是中位数因此通常所说的四分位数是指处在25%位置上的数值称为下四分位数和处在75%位置上的数值称为上四分位数。与中位数的计算方法类似根据未分组数据计算四分位数时首先对数据进行排序然后确定四分位数所在的位置该位置上的数值就是四分位数。 比如有以下8个数1、2、4、5、6、8、32、64 Q1在第(81)/42.25位介于第二和第三位之间但是更靠近第二位所以第二位数权重占75%第三位数权重占25%Q1(20.7540.25)/(0.750.25)2.5; Q2在第(81)/24.5位即第4和第5位的平均数Q25.5 同理Q3在第(81)/436.75位在第6位和第7位之间更靠近第7位所以第7位权重75%第6位权重25%Q3(320.758*0.25)/(0.750.25)26; 1.3 数据散布Measures of spread/dispersion
1.3.1 数学期望Mathematical expectations 数学期望是对长期价值的数字化衡量。 数学期望值是理想状态下得到的实验结果的平均值是试验中每次可能的结果概率乘以其结果的总和是最基本的数学特征之一它反映随机变量平均取值的大小。换句话说期望值像是随机试验在同样的机会下重复多次所有那些可能状态的平均结果。**** 离散型随机变量数学期望严格的定义如下 设离散型随机变量 X 的分布列为\(P{ X {x_i}} {P_i},i 1,2,… \) 若级数 ∑i1∞xipi\sum_{i1}^{\infty} x_i pi i1∑∞​xi​pi​ 绝对收敛则称∑i1∞xipi\sum{i1}^{\infty} x_i p_i∑i1∞​xi​pi​级数的和为随机变量 X 的数学期望(也称期望或均值)记为 EX 。即 EXx1p1x2p2⋯xipi⋯∑i1∞xipiE Xx_1 p_1x_2 p_2\cdotsx_i pi\cdots\sum{i1}^{\infty} x_i pi EXx1​p1​x2​p2​⋯xi​pi​⋯i1∑∞​xi​pi​ 连续型随机变量数学期望严格的定义如下 设连续型随机变量 X 的概率密度函数为f(x)f(x)f(x)积分$\int{ - \infty }^{ \infty } {xf(x)dx} $ 绝对收敛则定义X 的数学期望EX为 EX∫−∞∞xf(x)dxEX \int{ - \infty }^{ \infty } {xf(x)dx} EX∫−∞∞​xf(x)dx 一个随机变量的数学期望是一个常数它表示随机变量取值的一个平均这里用的不是算术平均而是以概率为权重的加权平均数学期望反映了随机变量的一大特征即随机变量的取值将集中在其期望值附近这类似于物理中质点组成的质心。 数学期望和平均数的联系 平均数是一个统计学概念期望是一个概率论概念。平均数是实验后根据统计得到样本的平均值期望是实验前根据概率分布“预测”的样本的平均值。如果说概率是频率随样本趋于无穷的极限那么期望就是平均数随样本趋于无穷的极限。 1.3.2 方差Variance 方差用来描述随机变量与数学期望的偏离程度。 如果把单个数据点称为“Xi,” 因此 “X1” 是第一个值“X2” 是第二个值以此类推一共有 n 个值。均值称为“M”。初看上去Σ(Xi-M)就可以作为描述数据点散布情况的指标也就是把每个Xi与M的偏差求和。换句话讲是单个数据点—数据点的平均的总和。 看上去挺有逻辑性的但却有一个致命的缺点 高出均值的值和低于均值可以相互抵消因此上述定义的结果趋近于0。这个问题可以取差值的绝对值来解决也就是说忽略负值的符号但是由于各种神秘兮兮的原因统计学家不喜欢绝对值。另外一个剔除负号的方法是取平方因为任何数的平方肯定是正的。所以我们就有了方差的分子Σ(Xi-M)2。 但有一种情况例如我们现在有25个样本根据方差算出标准差是10但如果把25个样本复制一下变成50个样本的话直接上50个样本的数据点的分布情况是不会改变但实际确是我们公式中的累加会产生更大的方差值所以我们需要通过除以数据点数量N来弥补这个漏洞。因此方差的定义如下所示 DX∑i1n(xi−x‾)nDX \sum\limits{{\rm{i}} 1}^n {{{({xi} - \overline x )} \over {\rm{n}}}} DXi1∑n​n(xi​−x)​ DX 越小意味着X较集中在数学期望 EX附近。反之DX越大意味着 X 的取值越分散。因此DX 是刻画 X取值分散程度的一个量是衡量X取值分散程度的一个尺度。 1.3.3 标准差standard deviation 标准差是通过方差除以样本量在开根得到的具体公式如下 σ∑i1n(xi−xˉ)2n\sigma\sqrt{\frac{\sum{i1}^n\left(xi-\bar{x}\right)^2}{n}} σn∑i1n​(xi​−xˉ)2​​ 与方差的作用类似标准差也能反映一个数据集的离散程度它是各点与均值的平均距离。平均数相同的数据标准差未必相同。 1.3.4 极差Range 极差又称范围误差或全距Range,用字母R表示计算方法是其最大值与最小值之间的差距即最大值减最小值只有所得的数据。 1.3.5 四分数范围Interquartile Range
四分位数即把所有数值由小到大排列成四等份处于三个分割点的数值就是四分位数。第三四分位数与第一四分位数的插值就称为四分位数间距InterQuartile Range, IQR简称四分位距。 四分位距interquartile range, IQR是描述统计学中的一种方法但由于四分位距不受极大值或极小值的影响常用语描述非正态分布资料的离散程度其数值越大数据的离散程度越大反之则离散程度越小。 1.4 图形表示Graphical methods 以图像的方式来表示随机变量的分布根据随机变量的数量可以选择合适的图像表示方法。常用的图像表示方法如下 箱型图Box plot易于观察数据的分布密度。 直方图Histogram统计不同数据范围的频数无线细化后可拟合概率密度曲线。 条形图Bar Chart适应于统计分类型离散数据。 散点图Scatter Plot易于观察两个变量的相关性。
二 随机变量及其分布 2.1 随机变量的类型和概率分布 要理解概率分布就需要先知道 数据有哪些类型什么是分布 离散型随机变量 在统计学里随机变量的数据类型有两种。 第1种是离散数据。离散数据根据名称很好理解就是数据的取值是不连续的。例如掷硬币就是一个典型的离散数据因为抛硬币的就2种数值也就是2种结果要么是正面要么是反面。 连续性随机变量 离散型随机变量都是建立在随机变量的值可以一一列举出来的基础上但生活中的大多数情况是不可以列举出来的而是连续的充满某个实数区间。 概率分布 概率分布清楚而完整的表示了随机变量X所取值的概率分布情况。离散型随机变量的概率分布可以用表格来表示称之为分布列。 Xx1x2x…x1Pp1p2p…p1 离散型随机变量的概率分布列具有下列性质 pk0,k1,2,…∑k1∞pk1\sum{k1}^{\infty} p_k1∑k1∞​pk​1 连续性随机变量的概率分布可用函数来表示 在我们知道概率分布之后我会想为什么要去统计概率分布呢概率分布的作用是什么呢学了对我们有什么用呢 当统计学家们开始研究概率分布时他们看到有几种形状反复出现于是就研究他们的规律根据这些规律来解决特定条件下的问题。 举例就那你自己在备战高考语文作文来举例我们经常给自己准备一个“万能模板”任何作为题目过来我们都可以直接套用该模板快速解决作文这个难题。同样的在我们记住这些概率论里面的特殊分布的好处就是在下次在遇到这类问题的时候就可以“套用模板”。 概率分布可以被分为理论概率分布 Theoretical probabilities (theory driven) 和 经验概率分布 Empirical probabilities (data driven) Theoretical probabilities 科学家总结出来的常见分布具体分为离散型概率分布如二项分布泊松分布等等和连续性概率分布如指数分布正太分布等等Empirical probabilities 经验分布函数是对产生样本点的累积分布函数的估计简单说是根据样本估计出来的分布。 2.2 理论概率分布之常见的离散型分布 2.2.1 二点Bernoulli分布 如果随机变量X 的分布列如下 P{X1}p(0p1)P{X0}q1−p\begin{aligned} P{X1}p \quad(0p1) \ P{X0}q1-p \end{aligned} ​P{X1}p(0p1)P{X0}q1−p​ 则称X服从二点分布。二点分布页脚贝努力分布Bernoulli或 0-1 分布。 二点分布虽简单但很有用。当随机试验只有 2 个可能结果且都有正概率时就确定一个服从二点分布的随机变量。例如检查产品质量是否合格检查某车间的电力消耗是否超过负荷某射手对目标的一次射击是否中靶等试验都可以用服从二点分布的随机变量来描述。 2.2.2 二项binomial分布 如果随机变量X的概率分布为 P{Xk}Cnkpkqn−k,k0,1,2,⋯,n,0p1,q1−pP{Xk}C_n^k p^k q^{n-k}, \quad k0,1,2, \cdots, n, \quad 0p1, q1-p P{Xk}Cnk​pkqn−k,k0,1,2,⋯,n,0p1,q1−p 则称X服从参数为np的二项分布。其中二项定理的系数计算方法如下 Cnkn!k!(n−k)!C_n^k\frac{n !}{k !(n-k) !} Cnk​k!(n−k)!n!​ 二项分布用记号XB˜(n,p)X~B(n,p)XB˜(n,p)来表示。 二项分布有啥用呢当你遇到一个事情如果该事情发生次数固定而你感兴趣的是成功的次数那么就可以用二项分布的公式快速计算出概率来。 如何判断是不是二项分布 故明思义为啥叫二项不叫三项或者二愣子呢二项代表事件有2种可能的结果把一种称为成功另外一种称为失败。生活中有很多这样2种结果的二项情况例如你表白是二项的一种成功一种是失败。你向老板提出加薪的要求结果也有二项的。 二项分布要符合下面4个特点 做某件事的次数也叫试验次数是固定的用n表示。每一次事件都有两个可能的结果成功或者失败。每一次成功的概率都是相等的成功的概率用p表示你感兴趣的是成功x次的概率是多少。 2.2.3 几何geometric分布 几何分布实际上与二项分布非常的像我们先看看几何分布的4个特点 做某件事的次数也叫试验次数是固定的用n表示。每一次事件都有两个可能的结果成功或者失败。每一次成功的概率都是相等的成功的概率用p表示你感兴趣的是进行x次尝试这个事情取得第1次成功的概率是多大。 正如你上面看到的几何分布和二项分布只有第4点也就是解决问题目的不同。例如你表白你的暗恋对象你希望知道要表白3次心仪对象答应和你手牵手的概率多大就是求解一个几何分布 几何分布的数学公式如下 p(x)(1−p)x−1pp(x)(1-p)^{x-1} p p(x)(1−p)x−1p p为成功概率即为了在第x次尝试取得第1次成功首先你要失败x-1次。 最后几何分布的期望是E(x)1/p。假如你每次表白的成功概率是60%同时你也符合几何分布的特点所以期望E(x)1/p1/0.61.67。这意味着表白1.67次约等于2次会成功。这样的期望让你信心倍增起码你不需要努力上100次才能成功2次还是能做到的有必要尝试下。 2.2.4 泊松Poisson分布 如果随机变量X的概率分布为 P{Xk}λke−λk!,k0,1,2,⋯P{Xk}\frac{\lambda^k \mathrm{e}^{-\lambda}}{k !}, \quad k0,1,2, \cdots P{Xk}k!λke−λ​,k0,1,2,⋯ 其中常数λ0,则称X服从参数为λ的泊松分布记为X~P(λ)。k 代表事情发的次数λ 代表给定时间范围内事情发生的平均次数。 那么泊松分布有啥用 如果你想知道某个时间范围内发生某件事情x次的概率是多大。这时候就可以用泊松分布轻松搞定。比如一天内中奖的次数一个月内某机器损坏的次数等。 知道这些事情的概率有啥用呢 当然是根据概率的大小来做出决策了。比如你搞了个抽奖活动最后算出来一天内中奖10次的概率都超过了90%然后你顺便算了下期望再和你的活动成本比一下发现要赔不少钱。那这个活动就别搞了。 泊松分布符合以下3个特点 1事件是独立事件。 2在任意相同的时间范围内事件发的概率相同。 3你想知道某个时间范围内发生某件事情x次的概率是多大。 例如你搞了个促销抽奖活动只知道1天内中奖的平均个数为4个你想知道1天内恰巧中奖次数为8的概率是多少 P{X8}488!e−40.0298{\rm{P}}{ X 8} {{{4^8}} \over {8!}}{e^{ - 4}} 0.0298P{X8}8!48​e−40.0298 最后泊松概率还有一个重要性质它的数学期望和方差相等都等于 λ 。 2.2.5 离散型数据分布小结 概率分布的作用 下次遇到类似的问题你就可以直接套用“模板”这些特殊分布的规律来求得概率了。常见的离散概率分布有哪些 二点分布Bernoulli distribution表示一次试验只有两种结果即随机变量X只有两个可能的取值。二项分布Binomial distribution你感兴趣的是成功x次的概率是多少。几何何分布Geometric distribution你感兴趣的是进行x次尝试这个事情取得第1次成功的概率是多大。泊松分布poisson distribution你想知道某个时间范围内发生某件事情x次的概率是多大。 二点分布和二项分布的区别 两点分布是试验次数为1的伯努利试验。二项分布是试验次数为n次的伯努利试验。 2.3 理论概率分布之常见的连续型分布 概率密度函数PDF(Probability Density Function) 对于连续型随机变量由于其取值不能一 一列举出来因而不能用离散型随机变量的分布列来描述其取值的概率分布情况。但人们在大量的社会实践中发现连续型随机变量落在任一区间[a,b]上的概率可用某一函数 f (x) 在[a,b]上的定积分来计算。于是有下列定义 定义 对于随机变量 f(x)f(x)f(x)如果存在非负可积函数 f(x)(−∞x∞)f{\rm{ }}\left( x \right){\rm{ }}\left( { - \infty {\rm{ }} {\rm{ }}x{\rm{ }} {\rm{ }} \infty } \right)f(x)(−∞x∞)使对任意a,b (a b) 都有 P{a≤X≤b}∫abf(x)dxP{ a \le X \le b} \int_a^b {f(x)dx} P{a≤X≤b}∫ab​f(x)dx 则称 X 为连续型随机变量并称 f (x) 为连续型随机变量 X 的概率密度函数probability density function, PDF简称概率密度或密度函数。 累积分布函数 CDF(Cumulative Distribution Function) 不管f(x)f(x)f(x)是什么类型连续/离散/其他的随机变量都可以定义它的累积分布函数cumulative distribution function ,CDFFx(x){F_x}(x)Fx​(x)有时简称为分布函数。对于连续性随机变量CDF就是PDF的积分PDF就是CDF的导数 FX(x)Pr(X≤x)∫−∞xfx(t)dt{F_X}(x) {Pr}(X \le x) \int{ - \infty }^x {{f_x}(t)dt} FX​(x)Pr​(X≤x)∫−∞x​fx​(t)dt
2.3.1 均匀uniform分布 设连续型随机变量 X 在有限区间[a,b]上取值且它的概率密度为 f(x){0其他1b−aa≤x≤bf(x) { _{0 其他}^{{1 \over {b - a}}a \le x \le b} f(x){0其他b−a1​a≤x≤b​ 则称 X 服从区间[a,b]上的均匀分布可记成 X ~ U [a,b]。 2.3.2 指数exponential分布 指数分布可以用来表示独立随机事件发生的时间间隔比如旅客进机场的时间间隔等。 许多电子产品的寿命分布一般服从指数分布。有的系统的寿命分布也可用指数分布来近似。它在可靠性研究中是最常用的一种分布形式。 设连续型随机变量 X 的概率密度为 其中常数λ0则称X 服从参数为λ的指数分布可记成X~E(λ)。 2.3.3 正态normal distribution分布 正态分布normal distribution又名高斯分布Gaussian distribution是一个在数学、物理及工程等领域都非常重要的概率分布在统计学的许多方面有着重大的影响力。若连续型随机变量 X 的密度函数为 f(x)12πσe−(x−μ)22σ2,−∞x∞f(x) {1 \over {\sqrt {2\pi \sigma } }}{{\rm{e}}^{ - {{{{(x - \mu )}^2}} \over {2{\sigma ^2}}}}}, - \infty x \infty f(x)2πσ​1​e−2σ2(x−μ)2​,−∞x∞ 其中μ 为均值、σ为标准差。 μ,σ (σ 0) 都为常数则称 X 服从参数为 μ,σ 的正态分布简记为XN˜(μ,σ2)X~N(\mu ,{\sigma ^2})XN˜(μ,σ2)。因其曲线呈钟形,因此人们又经常称之为钟形曲线.我们通常所说的标准正态分布是μ 0,σ 1的正态分布。 正态分布的参数中μ 决定了其位置标准差σ2决定了分布的幅度。具体来说若固定σ 而改变 μ 的值则正态分布密度曲线沿着 x 轴平行移动而不改变其形状可见曲线的位置完全由参数 μ 确定。若固定 μ 而改变σ 的值则当σ 越小时图形变得越陡峭反之当σ 越大时图形变得越平缓如图 正态分布中一些值得注意的量 密度函数关于平均值对称平均值与它的众数statistical mode以及中位数median同一数值。68.268949%的面积在平均数左右的一个标准差范围内。95.449974%的面积在平均数左右两个标准差的范围内。99.730020%的面积在平均数左右三个标准差的范围内。99.993666%的面积在平均数左右四个标准差的范围内。函数曲线的拐点inflection point为离平均数一个标准差距离的位置。