推斷統(tǒng)計(1) - 概率理論

推斷統(tǒng)計是研究如何利用樣本數(shù)據(jù)來推斷總體特征的統(tǒng)計方法该互,其特點是根據(jù)速記的觀測樣本數(shù)據(jù)以及問題的條件和假定坚洽,對未知事物作出的以概率形式表述的推斷爷肝。推斷性統(tǒng)計有四個理論部分:概率理論抽樣理論炼邀、估計理論假設(shè)檢驗理論魄揉。概率理論和抽樣理論是推斷性統(tǒng)計的基礎(chǔ),而估計理論和假設(shè)檢驗理論是推斷性統(tǒng)計的應(yīng)用拭宁。

基礎(chǔ)概念
  1. 隨機事件:在同一組條件下洛退,每次試驗可能出現(xiàn)也可能不出現(xiàn)的事件。
  2. 必然事件:在同一組條件下杰标,每次試驗一定出現(xiàn)的事件兵怯。
  3. 不可能事件:在同一組條件下,每次試驗一定不會出現(xiàn)的事件腔剂。
  4. 基本事件:如果一個事件不能分解成兩個或更多事件媒区,則被稱為基本事件。
  5. 隨機變量:為研究隨機事件的統(tǒng)計規(guī)律性掸犬,將數(shù)學分析的方法引入對隨機事件的研究中袜漩,可以將隨機事件的結(jié)果與實際數(shù)值對應(yīng)起來,將結(jié)果數(shù)量化湾碎。根據(jù)隨機變量所代表的數(shù)值的不同宙攻,可以將隨機變量分為離散型隨機變量連續(xù)型隨機變量
  6. 概率分布:指隨機變量的取值與其概率所構(gòu)成的分布介褥,根據(jù)隨機變量的分類可分為離散型概率分布連續(xù)型概率分布座掘。
概率確定
  1. 古典法概率递惋,又稱事前概率, 即如果每一個基本事件出現(xiàn)的概率是等可能的雹顺,則不需要做任何試驗就可以事前計算出事件的概率丹墨。但實際生活中,“基本事件出現(xiàn)的可能性相等”這一條件基本不可能滿足嬉愧,必須使用其他確定概率的方法贩挣。
  2. 相對頻數(shù)法,又稱預計頻率没酣,是用過去發(fā)生的事件的相對頻率當作概率王财。采用相對頻數(shù)確定概率時,通過增加試驗次數(shù)裕便,就能提高概率精確性绒净。但使用相對頻數(shù)確定概率的問題是,人們往往無法獲得所需要的重復試驗的次數(shù)偿衰。
  3. 主觀概率法挂疆,又稱個人概率,是根據(jù)個人的主觀直覺和經(jīng)驗確定的概率下翎。主觀概率不是憑空臆造缤言,而應(yīng)該是建立在個人經(jīng)驗和知識的基礎(chǔ)上,唯有這樣才能得到精確的概率视事。
基本運算
  1. 加法公式:
    加法公式

    加法公式用于計算時間A發(fā)生或事件B發(fā)生或同時發(fā)生的概率胆萧。

  2. 條件概率:
    條件概率

    用于計算給定條件B下A的概率。

  3. 乘法公式:
    乘法公式

    乘法公式用于計算兩事件交的概率俐东。

  4. 貝葉斯定理:
    貝葉斯定理
    貝葉斯定理用來描述兩個條件概率之間關(guān)系跌穗。在運用概率對某一事件進行推斷之前,我們可能已經(jīng)事先掌握了關(guān)于這一事件的先驗概率虏辫。在后續(xù)的研究中蚌吸,可以通過抽樣調(diào)查樣本等方法對先驗概率進行修正,使先驗概率變?yōu)楹篁灨怕势鲎_@個修正概率的定理就稱為貝葉斯定理羹唠。貝葉斯推斷與其他統(tǒng)計學推斷方法截然不同,它建立在主觀判斷的基礎(chǔ)上鹤耍,你可以不需要客觀證據(jù),先估計一個主觀概率對部分未知的狀態(tài)進行描述验辞,然后根據(jù)實際結(jié)果不斷修正稿黄,最后再利用期望值和修正概率做出最優(yōu)決策。
概率分布

離散型概率分布的概率函數(shù)稱為概率質(zhì)量函數(shù)跌造,概率是散布在隨機變量的各個離散取值上的杆怕,所以二維坐標的縱軸為概率族购;連續(xù)型概率分布的概率函數(shù)稱為概率密度函數(shù),二維坐標縱軸為密度陵珍,隨機變量取值范圍內(nèi)任意點的概率為0寝杖,隨機變量取值范圍內(nèi)任意區(qū)間的概率為曲線下積分面積

主要的離散型概率分布

二項分布:n個獨立的成功/失敗試驗(伯努利試驗)中成功的次數(shù)的離散概率分布互纯。

二項分布概率質(zhì)量函數(shù)
n為試驗次數(shù)瑟幕,x為隨機事件發(fā)生次數(shù),p為隨機事件發(fā)生的概率留潦。通過n和p可以確定一個二項分布只盹。
多項分布:把二項分布公式推廣至多種狀態(tài),就得到了多項分布兔院。
超幾何分布:用于描述有限總體無放回抽樣試驗中隨機事件發(fā)生的概率殖卑。
超幾何分布概率質(zhì)量函數(shù)
N為樣本總數(shù),m為樣本中不合格的數(shù)量坊萝,n為無放回抽樣個數(shù)孵稽,k為抽樣中不合格品的數(shù)量。若n=1十偶,即從N個樣品中抽取一件菩鲜,恰好抽到不合格樣品的概率,此時扯键,超幾何分布可以還原為伯努利分布睦袖;若N無窮大,歸還和不歸還對于樣品整體的不合格樣品率沒有影響荣刑,此時馅笙,超幾何分布可視為二項分布,在實際應(yīng)用時厉亏,只要N>=10n(取樣數(shù)小于樣本總體數(shù)的十分之一)董习,就可用二項分布近似描述不合格品個數(shù)。
泊松分布:用于描述在連續(xù)時間或空間單位上發(fā)生隨機事件的概率爱只。
泊松分布概率質(zhì)量函數(shù)
k為隨機事件發(fā)生次數(shù)皿淋,λ為一個事件(不一定是本隨機事件)在一段時間或空間內(nèi)發(fā)生的平均次數(shù)或數(shù)學期望。使用泊松方法計算隨機變量的概率恬试,要求產(chǎn)生隨機結(jié)果的過程滿足以下三個假設(shè)條件:(1) 在給定的區(qū)間內(nèi)窝趣,已知由經(jīng)驗確定一個常數(shù)λ(lambda),常數(shù)λ對類似的確定單位相等训柴。(2) 任意區(qū)間發(fā)生事件的次數(shù)是相互獨立的哑舒。(3) 任意相等的兩個區(qū)間發(fā)生一次事件的概率相等,并且這個概率值很小幻馁。因此洗鸵,在二項分布中越锈,如果試驗次數(shù)n很大,二項分布的概率p很小膘滨,只要n≥20甘凭,p≤0.05時,就可以用泊松分布代替二項分布火邓。

主要的連續(xù)型概率分布

連續(xù)型均勻概率分布:在連續(xù)型隨機變量的取值范圍內(nèi)丹弱,隨機變量的任意取值的密度為不變的常數(shù),這樣的分布稱為連續(xù)型均勻概率分布贡翘。
正態(tài)分布:如果隨機變量X具有概率密度函數(shù):

正態(tài)分布概率密度函數(shù)
蹈矮,則稱X服從均值為μ,標準差為σ的正態(tài)分布。其中均值決定水平位置鸣驱,標準差決定離散程度泛鸟。統(tǒng)計學上將均值μ=1,標準差σ=0的正態(tài)分布規(guī)定為標準正態(tài)分布。對于正態(tài)分布有一個經(jīng)驗法則(6σ法則):對于任意近似正態(tài)分布的總體踊东,大約68.3%的數(shù)據(jù)位于區(qū)間±σ內(nèi)北滥,大于95.4%的數(shù)據(jù)位于區(qū)間±2σ內(nèi),大約99.7%的數(shù)據(jù)位于區(qū)間±3σ內(nèi)闸翅。正態(tài)概率分布是連續(xù)型隨機變量概率分布中最重要的形式再芋,它在實踐中有著廣泛的應(yīng)用。在統(tǒng)計推斷時坚冀,當樣本的數(shù)量足夠大時济赎,許多統(tǒng)計數(shù)據(jù)都服從正態(tài)分布。另外记某,正態(tài)分布還是其他連續(xù)型概率分布的極限分布司训,可用正態(tài)分布近似計算或?qū)С銎渌B續(xù)型概率分布。
指數(shù)分布:指數(shù)分布的概率密度函數(shù)為:
指數(shù)分布概率密度函數(shù)
指數(shù)分布具有以下特征:隨機變量X的取值范圍是從0到無窮液南;極大值在x=0處壳猜,即f(x)=λ;函數(shù)為右偏滑凉,且隨著x的增大统扳,曲線穩(wěn)步遞減。前面講述的泊松分布是描述某一區(qū)間內(nèi)發(fā)生隨機事件次數(shù)的概率分布畅姊,而指數(shù)分布是描述兩次隨機事件發(fā)生時間間隔的概率分布咒钟,主要應(yīng)用在隨機事件之間發(fā)生的時間間隔的概率問題。
近似
泊松分布近似二項式分布
正態(tài)分布近似二項式分布
正態(tài)分布近似泊松分布

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末若未,一起剝皮案震驚了整個濱河市朱嘴,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌陨瘩,老刑警劉巖腕够,帶你破解...
    沈念sama閱讀 216,324評論 6 498
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異舌劳,居然都是意外死亡帚湘,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,356評論 3 392
  • 文/潘曉璐 我一進店門甚淡,熙熙樓的掌柜王于貴愁眉苦臉地迎上來大诸,“玉大人,你說我怎么就攤上這事贯卦∽嗜幔” “怎么了?”我有些...
    開封第一講書人閱讀 162,328評論 0 353
  • 文/不壞的土叔 我叫張陵撵割,是天一觀的道長贿堰。 經(jīng)常有香客問我,道長啡彬,這世上最難降的妖魔是什么羹与? 我笑而不...
    開封第一講書人閱讀 58,147評論 1 292
  • 正文 為了忘掉前任,我火速辦了婚禮庶灿,結(jié)果婚禮上纵搁,老公的妹妹穿的比我還像新娘。我一直安慰自己往踢,他們只是感情好腾誉,可當我...
    茶點故事閱讀 67,160評論 6 388
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著峻呕,像睡著了一般利职。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上山上,一...
    開封第一講書人閱讀 51,115評論 1 296
  • 那天眼耀,我揣著相機與錄音,去河邊找鬼佩憾。 笑死哮伟,一個胖子當著我的面吹牛,可吹牛的內(nèi)容都是我干的妄帘。 我是一名探鬼主播楞黄,決...
    沈念sama閱讀 40,025評論 3 417
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼抡驼!你這毒婦竟也來了鬼廓?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 38,867評論 0 274
  • 序言:老撾萬榮一對情侶失蹤致盟,失蹤者是張志新(化名)和其女友劉穎碎税,沒想到半個月后尤慰,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,307評論 1 310
  • 正文 獨居荒郊野嶺守林人離奇死亡雷蹂,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,528評論 2 332
  • 正文 我和宋清朗相戀三年伟端,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片匪煌。...
    茶點故事閱讀 39,688評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡责蝠,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出萎庭,到底是詐尸還是另有隱情霜医,我是刑警寧澤,帶...
    沈念sama閱讀 35,409評論 5 343
  • 正文 年R本政府宣布驳规,位于F島的核電站肴敛,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏吗购。R本人自食惡果不足惜值朋,卻給世界環(huán)境...
    茶點故事閱讀 41,001評論 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望巩搏。 院中可真熱鬧昨登,春花似錦、人聲如沸贯底。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,657評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽禽捆。三九已至笙什,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間胚想,已是汗流浹背琐凭。 一陣腳步聲響...
    開封第一講書人閱讀 32,811評論 1 268
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留浊服,地道東北人统屈。 一個月前我還...
    沈念sama閱讀 47,685評論 2 368
  • 正文 我出身青樓,卻偏偏與公主長得像牙躺,于是被迫代替她去往敵國和親愁憔。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 44,573評論 2 353

推薦閱讀更多精彩內(nèi)容