统计学1

0.背景 有一组独立同分布的样本{x1,x2,...,xm}\{x_{1},x_{2},...,x_{m}\}{x1​,x2​,...,xm​}服从高斯分布p(xi)=N(xi;μ,σ2)p(x_{i})=N(x_{i};\mu,\sigma^{2})p(xi​)=N(xi​;μ,σ2)。高斯概率密度函数如下： p(xi)=12πσ2exp(−12(xi−μ)2σ2)p(x_{i})=\frac{...

目录 1 定义 2 实际意义 3 结论 3.1 结论一 3.2 结论二 4 应用 5如何理解无偏估计量？ 5.1 无偏性 5.2有效性 5.3一致性 5.4 总结 参考百度百科：https://baike.baidu.com/item/%E6%97%A0%E5%81%8F%E4%BC%B0%E8%AE%A1%E9%87%8F/303853?fr=aladdin ...

“无偏”是指统计量的期望等于真实值。依照此逻辑，为求方差的无偏估计，需计算方差的期望：http://blog.sina.com.cn/s/blog_c96053d60101n24f.html 计算后知，方差的均值：E(S²) =((n-1)/n)σ2 故真实方差σ2=n*S2/(n-1)=[(x1-EX)2+(x2-EX)2+…+(xn-EX)2]/(n-1) ...

仅以此系列博客记录自己的统计学（贾书）学习生活。

请放大查看

统”，既指整体，也指归纳综合；“计”，既是分析，亦是计算计量。统计就是有目的地对特定现象或事物在特定时间、空间条件下的特征用数据加以记录与分析的活动。统计学则是指导统计活动的科学，也就是要为如何获取数据、表现数据和分析数据提供理论方法。人类在认识自然、认识社会的过程中离不开各种各样的数据，否则就失去了客观标准，需要统计数据以及以此为基础分析并加以说明。生产活动中最优生产方案和质量控制设计需要我们对影响因素进行观察和实验，去了解各种因素对质量和产量的影响方式和程度，从而找到各因素的最佳水平和组合。

统计学DAY1（自习用）1.样本和总体2.总体方差何样本方差（重点）3.两点分布、二项分布、伯努利试验、0,1分布4.大数定理5.中心极限定理6.正态分布 百度百科定义：统计学是通过搜索、整理、分析、描述数据等手段，以达到推断所测对象的本质，甚至预测对象未来的一门综合性科学。其实在个人看来，统计学发展至今最主要有2个功能：1.分析过去，2.预测未来。 1.样本和总体 总体(population)...

   相信在学习数理统计过程中，肯定很多人会下面这样的疑问 为什么样本方差是除以（n-1），而不是除以n呢？   那么今天就一起来看一下是为什么。 背景知识    为了方便后面的表述，我们用 X¯X¯\bar{X} 表示样本均值，用 S2S2S^{2} 表示样本方差，用 uuu 表示总体均值，用 σ2σ2\sigma ^{2} 表示总体方差。 总体方差   整体方差的求得过...

首先要分清总体和样本:方差（Variance），衡量随机变量或一组数据离散程度的度量。根据总体和样本的区别分为总体方差和样本方差两种。σ2=∑i=1n(Xi−μ)2n \sigma^{2}=\frac{\sum_{i=1}^{n}(X_{i}-\mu)^{2}}{n} σ2=n∑i=1n​(Xi​−μ)2​S2=∑i=1n(Xi−xˉ)2n−1 S^{2}=\frac{\sum_{i=1}^{n}(X_{i}-\bar{x})^{2}}{n-1} S2=n−1∑i=1n​(Xi​−xˉ)2​在实际应用中是通

## 一、求极大似然估计 1. 解题步骤： 1）写出总体的概率（离散型）/密度（连续型）函数。 2）写出似然函数：$L(参数)$。 3）两边取对数：$lnL(参数)$。 4）求导（或求偏导），令导数（或偏导数）等于零。 2. 此题型属于简单题，必拿分题。解题时直接套步骤即可。

样本方差与无偏估计样本方差问题背景S2S^2S2的近似作用为什么使用Xˉ\bar XXˉ替代后，分母是1n\frac{1}{n}n1​？无偏估计无偏性有效性一致性小结 参考文章：如何理解无偏估计量？ by 马同学 样本方差 问题背景 首先，对于随机变量XXX的期望为μ\muμ，其方差为σ2\sigma^2σ2。 如果已知随机变量X的期望为\mu，那么可以如下计算方差σ2\sigma^2σ2： Case 1: 分布和期望均已知 不过，对于上式，首先需要知道XXX的具体分布。因而我们常采用如下方式近似估计方差

本系列文章基于R语言中lm函数的输出，介绍线性回归模型的例子和原理。 本文是系列文章的第二篇，将介绍线性回归模型中的一些常见假设以及基于这些假设对回归系数的检验。

这一系列算法都可以是基于接收数据来对目标数据进行估计，LS用于接收到的数据块长度一定，并且数据、噪声（干扰）的统计特性未知或者非平稳的情况，其优化目标是使得基于该数据块的估计与目标数据块间加权的欧几里德距离最小，当有多个数据块可用时，可用其递归算法RLS减小计算量；MMSE的优化目标是为了使基于接收数据的估计值和目标数据的均方误差最小化，LMMSE算是MMSE的特例，在这种情况下，基于接收数据的估计值是接收数据的线性变换，在数据统计特性已知的情况下，某些时候可以直接求解，比如维纳解。

最近学习PCA，在求最大化方差 σ2=1P−1∑k=1P(vT(xk−μ))2−λ(∥v∥2−1)\sigma^{2} = \frac{1}{P-1} \sum_{k=1}^{P}(v^{T}(x_{k}-\mu ))^{2}-\lambda(\left \| v \right \|^{2}-1)σ2=P−11​∑k=1P​(vT(xk​−μ))2−λ(∥v∥2−1) 时遇到了无偏估计的问题——为...

为什么样本方差的分母是n-1？最简单的原因，是因为因为均值已经用了n个数的平均来做估计在求方差时，只有(n-1)个数和均值信息是不相关的。而你的第ｎ个数已经可以由前(n-1)个数和均值　来唯一确定，实际上没有信息量。所以在计算方差时，只除以(n-1)。 那么更严格的证明呢？请耐心的看下去。 总体方差（variance）：总体中变量离其平均值距离的平均。一组数据 样本方差（v...

总体均值 μ=1N∑xi\mu = \frac{1}{N}\sum x_iμ=N1​∑xi​， 总体方差 σ2=1N∑i(xi−μ)2\sigma^2 = \frac{1}{N}\sum_i (x_i - \mu)^2σ2=N1​∑i​(xi​−μ)2 样本均值 xˉ=1n∑xi\bar{x} = \frac{1}{n}\sum x_ixˉ=n1​∑xi​， 样本方差 S2=1n−1∑i(xi−xˉ)2S^2 = \frac{1}{n-1}\sum_i (x_i - \bar{x})^2S2=n−11​∑i

– Start 观看可汗视频 本节课，可汗老师对原始方差公式进行推导，得出如下更简洁的公式。 σ2=∑i=1N(xi)2N−μ2σ^2 = \frac{\sum_{i=1}^{N}(x_i)^2}{N} - μ^2σ2=N∑i=1N​(xi​)2​−μ2 对于学习计算机的我们，学会调用函数就够了。 – 更多参见：《可汗学院: 统计学》学习笔记 – 声 明：转载请注明出处 – Last Update...