>>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
-
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。
-