统计学导论期末复习总结.ppt

《统计学导论期末复习总结.ppt》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、复习总结统计推断统计模型描述性统计图表观测数据（样本）了解背景知识明确分析目的确定获得数据方法未知现象获取观测资料分析观测资料探索未知现象流程图第一章随机现象中的随机性与规律性。第二章概率理论发展的几个重要阶段概率的公理化体系的建立随机变量的引入随机变量的分布函数的引入第二章基本概念样本空间和样本点随机事件样本空间上的代数波雷尔集概率空间事件的运算事件的并、交、差、余对偶原理分配律第二章概率的性质不可能事件的概率为0有限可加性可减性单调性加法公式第二章概率性质的应用利用概率性质计算一些随机事件的概率。

2、第二章随机变量：R第二章随机变量离散型随机变量连续型随机变量奇异型随机变量密度矩阵分布函数密度函数分布函数第二章随机变量的数字特征1、随机变量的数学期望；2、随机变量的方差、标准差第二章数学期望具有线性性(1)E(c)=c(2)E(aX+b)=aE(X)+b(3)E(aX+bY)=aE(X)+bE(Y)D(c)=?D(aX+b)=?随机变量的方差标准差（或标准偏差）：计算公式：第二章常用分布及其数字特征两点分布：X~B(1,p)二项分布：X~B(n,p)第二章Poisson分布：X~P()超几何分布

3、：参数M，K，n超几何分布的均值:nK/M第二章均匀分布：X~U(a,b)第二章第二章正态分布：X~N(,2)背景、概率密度函数、分布函数、均值、方差。切比雪夫不等式：第二章第二章定理2.5.2若随机变量X的数学期望为有限数，则成立的概率为1，这里Xk为X的第k次重复观测结果。大数定律定理2.5.4设随机变量X的数学期望和方差都为实数，并且方差大于0。若为随机变量X的n次独立重复观测，则其中为标准正态分布随机变量的分布函数，.第二章中心极限定理第三章分类变量：描述个体的分类特征的变量；数值变量：描述个

4、体的数量特征的变量.把分类变量的不同取值用数来表示，就可以把分类变量看出是随机变量。对分类变量来讲，数学期望和方差等概念是没有意义的。个体、个体的指标、总体；样本点、样本空间。第三章个体的一项指标X：映射X:→RX:(,F,P)→(R,B,FX)变量：X总体分布：FX总体参数：总体分布未知的特征指标。统计量：不含任何参数的样本的函数。普查：收集总体中每个个体的指标数据的过程。抽样调查：收集总体中部分个体的指标数据的过程。样本：由总体的部分个体组成。样本容量：样本中所包含的个体数。有限总体：有限个个体组

5、成的总体。无限总体：无限个个体组成的总体。第三章四种抽样方法：1、简单随机抽样2、系统随机抽样3、分层随机抽样4、整群随机抽样实施的步骤、每种方法的优点与缺点，在什么情况下使用。第三章选择抽样方法的原则：1、样本的代表性好，即样本在总体中分布均匀；2、容易实施；第三章随机样本：通过随机抽样得到的观测样本.方便样本：容易得到的观测样本.随机抽样：使得每个个体都以确定的(大于0)的概率被选到样本中的抽样方法.抽样调查的必要性:1、无限总体时不能使用普查的方法；2、获取个体指标的过程具有破坏性；3、成本、时效性

6、等方面的要求。第三章误差抽样误差非抽样误差调查误差(测量误差)不完整的抽样框引起的误差不回答误差数据转录误差第三章第三章试验组：采用了新方法的一组；对照组：没有采用新方法的一组。选择试验组和对照组的原则：随机选择，即从总体中随机地选择参加实验的样本，再从样本中随机地选择试验组。为什么要随机选择？1、两个组所处的外部环境相同；2、在实验前两组之间没有差异。第三章目的：如果实验的结果是两组有显著的差异，可以解释为新方法的影响。对人做实验时产生的问题：1、组织问题；2、心理学问题；3、道德伦理问题；4、敏感性问

7、题。第三章第四章一、统计表(频数表、频率表、列联表)二、统计图(频率直方图、频数直方图、分组频数条形图、条形图、饼图、点图、茎叶图、盒形图)三、统计量(均值、中位数、众数、极差、四分位间距、方差、标准差、平均绝对离差、变异系数、分位数，次序统计量)分组数目的确定组边界的确定第四章由样本计算统计量由分组数据近似计算统计量第四章第四章异常数据什么样的数据是异常数据？产生异常数据的原因有哪些？第四章主要掌握两个方面不同的统计图转递给你的信息是不同的，理解每一种图给你的主要信息是什么。根据你的数据选用不同的统计

8、图向其他人转递你的数据里包含的信息.第四章文科的女生比男生多，理科中男女生比例差不多，文科中女生的比例高于理科中女生的比例.文科理科第四章样本数据的标准化什么时候要对样本数据标准化？标准得分的解释.总体分布函数的估计：经验分布函数参数估计方法：矩估计和极大似然估计估计的标准：均方误差最小无偏估计的含义第五章Matlabbinopdf(x,n,p)binocdf(x,n,p)binornd(n,p,m1,m2)hygepdf(x