>>每日小記<<
| 項目 | 狀態 |
|---|---|
| 距離2021年倒計時 | 100天 |
| 今日天氣情況 | 晴 |
| 是否重要日子 | 無 |
| 今日心情如何 | 開心 |
| 今日身體狀況 | 良好 |
| 堅持背記單詞 | 1307天 |
| 堅持記錄開銷 | 1111天 |
| 堅持英語學習 | 811天 |
| 堅持簡書日更 | 590天 |
| 堅持記錄時間 | 547天 |
| 堅持走路跑步 | 550天 |
| 堅持健身鍛鍊 | 530天 |
| 堅持反思日記 | 532天 |
| 堅持健康飲食 | 522天 |
| 堅持聽讀閱讀 | 452天 |
| 堅持黨務學習 | 398天 |
| 堅持IT知識學習 | 335天 |
| 堅持雙拼練習 | 263天 |
| 堅持五筆練習 | 80天 |
| 小韭菜養成記 | 76天 |
| 堅持練習游泳 | 27天，暫停 |
| 堅持PMP學習 | 79天，通過考試 |
| 其他重要的事 | 上班 |
《統計學》
-
第五章 概率與概率分佈
- 正態分佈 X~N(μ，σ2)，μ爲隨機變量X的均值，σ爲隨機變量X的標準差。
-
第六章 統計量及其抽樣分佈
樣本變異係數V=S/X拔，反映隨即變量在以它的均值爲單位是取值的離散程度。消除了均值不同對不同總體的離散程度的影響，刻畫均值不同時不同總體的離散程度。
卡方分佈、t分佈、F分佈
-
第七章 參數估計
-
參數估計的基本原理
-
參數估計：用樣本統計量估計總體的參數（e.g.用樣本均值x拔估計總體均值μ，用樣本比例p估計總體比例π）點估計、區間估計
點估計：用樣本統計量θ尖的某個取值直接作爲總體參數θ的估計值。（e.g.用樣本均值x拔直接作爲總體均值μ的估計值，用樣本比例p直接作爲總體比例π的估計值）（隨機，得到的估計值很可能不同於總體真值）
區間估計：點估計基礎上，給出的總體參數估計的一個區間範圍，該區間通常由樣本統計量加減估計誤差得到。
-
置信區間：（隨機區間）由樣本統計量所構造的總體參數的估計區間。置信水平=1-α，/置信度/置信係數，置信區間中包含總體參數真值的次數所佔的比例。（95%的區間包含總體參數的真值，5%的區間不包含總體參數的真值）
![]()
-
標準
無偏性：估計抽樣分佈的數學期望=被估計的總體參數，E（θ尖）=θ，θ尖爲θ的無偏估計值。
有效性：有更小標準差的估計量更有效，方差越小越有效
一致性：隨樣本量的增大，估計量的值越來越接近被估計的總體的參數。大樣本的估計量比小樣本的估計量更接近總體參數。
-
-
區間估計
![]()
![]()
-
不同情況下總體均值的區間估計
![]()
總體比例的區間估計：大樣本（30/np≥5/n(1-p)≥5）.由樣本比例p的抽樣分佈可知，當樣本量足夠大，p的抽樣分佈可用正態分佈近似。p的期望E(p)=π，p的方差爲(σp)2=π(1-π)/n。z=(p-π)/[根號下π(1-π)/n]~N(0,1)。
兩個總體均值之差的區間估計：大樣本，獨立樣本，都正態或都大樣本 / 小樣本，都正態，獨立樣本。
兩個總體比例之差的區間估計：從兩個二項總體中抽出兩個獨立的樣本，兩個樣本比例之差的抽樣分佈服從正態分佈，標準化後服從標準正態分佈。
-
不同情況下總體均值之差的區間估計
![]()
-
不同情況下總體均值的區間估計
-
樣本量的確定
估計總體均值時樣本量的確定：σ不知道可用之前相似的樣本的標準差代替。樣本量置信水平正比/樣本量總體方差正比/樣本量估計誤差的平方反比
估計總體比例時樣本量的確定：樣本量越大，估計誤差越小，估計精確度越好。
-
