前言
"概率论"是给定一个随机变量X的分布F(x),然后求某事件A概率 P ( x ∈ A ) P(x \in A) P(x∈A)或者随机变量X的数字特征."统计"是已知一组样本数据 { x 1 , x 2 , . . . x n } \{x_1,x_2,...x_n\} {x1,x2,...xn},去求分布F(x)
统计的基本概念
在统计中，总体X的分布要么未知 ，要么分布形式已知但参数未知，需要抽取部分个体来推断。
总体与样本
代表性的进一步解释: X i X_i Xi与总体 X X X 同分布。保证总体中每个值都有同样的机会被抽到
关于样本是谁随机变量,还是值?
- 当代入总体分布函数时是值
- 当样本分布函数(抽样分布)分析的时候是随机变量
简单随机样本的性质
统计量
统计量来自总体一个样本，不含任何未知参数，完全由样本来确定，也就是说，根据样本可以求出我们需要的任何一个统计量的值。
常用统计量
为什么样本方差的分母是 n-1？
只要采样数小于个体数，采样本身就会引入分布的误差，因此需要进行较正。
采样带来的误差就是原来分布的强化，是可以计算的n/(n-1)的修正并非随便给的
如图 E [ S 2 ] ∗ n / ( n − 1 ) E[S^2]*n/(n-1) E[S2]∗n/(n−1)是正常的方差,所以修正过的样本方差 = 末修正过的样本方差*n/(n-1),
抽样分布
样本统计量的分布称为抽样分布.他通常也是随机变量X的分布函数.抽样分布中，最常用的分布其实是4种：z 分布（即正态分布）、卡方分布、t分布、F分布。
卡方分布
- 关于标准正态N(0,1):EX=0,DX=1
- 根据总体标准正态,求得样本卡方分布: EX=n,DX=2n
- ∑ i = 1 n E ( X i 2 ) = ∑ i = 1 n E ( ( X i − X ˉ + X ˉ ) 2 ) \sum_{i=1}^nE(X_i^2) = \sum_{i=1}^nE((X_i-\bar{X}+\bar{X})^2) ∑i=1nE(Xi2)=∑i=1nE((Xi−Xˉ+Xˉ)2)
- = ∑ i = 1 n E ( ( X i − X ˉ ) 2 + 2 X i X ˉ − X ˉ 2 ) ) = \sum_{i=1}^nE((X_i-\bar{X})^2+2X_i\bar{X}-\bar{X}^2)) =∑i=1nE((Xi−Xˉ)2+2XiXˉ−Xˉ2))
- = ∑ i = 1 n [ D ( X i ) + E 2 ( X i ) ] = \sum_{i=1}^n[D(X_i)+E^2(X_i)] =∑i=1n[D(Xi)+E2(Xi)]
参数估计
主要解决总体分布形式已知但参数未知,即总体 X X X分布函数 F ( x , θ ) F(x, \theta) F(x,θ) 形式已知，估计未知参数 θ \theta θ。
点估计
矩估计法
极大似然估计
极大似然估计以"我抽样出来的情况就是最大概率"的情况为前提,求参数 θ \theta θ的最大值.
估计量的优良性评判
既然是估计量，那与真实值之间就存在误差，因此需要判断估计量是否满足我们的要求，可以通过下面的几个准则来进行评判。
区间估计
矩估计法的前提是基于"抽样分布"和"主分布"是一致的情况下. 区间估计法则是表示定置水平一致的情况下,你去构建枢轴变量(带未知数统计量)和抽样分布,最终确定未知量
定置水平的理解: 你要估计全班的身高, 抽样了10得出了身高区间(a,b),然后给出了全部97%的人,身高在(a,b).97%就属于定置水平
x ˉ − u σ / n {{\bar{x}-u} \over {\sigma}/\sqrt{n}} σ/n xˉ−u是正态分布 N ( u , σ 2 ) N(u,\sigma^2) N(u,σ2)转为标准正态 N ( 0 , 1 ) N(0,1) N(0,1)的随机变量X的转换关系
统计量参考
假设检验
假设检验的基本原理：给定一个假设 H 0 H_0 H0，为了检验 H 0 H_0 H0是否正确，首先假定 H 0 H_0 H0是正确的，然后根据抽取到的样本来判断是接收还是拒绝该假设。如果样本中出现了不合理的观测值，应该拒绝 H 0 H_0 H0，否则应该接受假设
- 观测值:即样本的统计量
- "不合理"指的是小概率事件发生，常用 α \alpha α来表示这个小概率，也被称为检验的显著性水平 (与点估计中区间估计中的信置水平,差不多的功能).
定义
拒绝域与临界值
从某种意义上说，设计一个检验，本质上就是找到一个恰当的拒绝域W，使得当 H 0 H_0 H0成立时
P ( x ∈ W ∣ H 0 成立 ) = α P(x \in W|H_0成立)=\alpha P(x∈W∣H0成立)=α即把"小概率事件"视为与拒绝域 W W W是等价的
假设检验存在两类错误
- 通常只规定 α \alpha α的取值，即控制犯第I类错误的概率
- 使犯第二类错误的概率尽可能小，要使两者犯错的概率都小，就必须增大样本容量。
参数假设检验
统计量参考
关于为什么总分布都是以正态分布?
因为中心极限定理。自然界的很多现象都是由无数微小因素的叠加而产生的，而无论这种因素服从何种分布，在大尺度上来观察，其结果都应大致符合正态分布。
网上有一篇文章叫《正态分布的前世今生》，非常推荐学习概率统计的人读一读。
卡方拟合优度检验
前面的假设检验，都是通过抽样来对总体参数进行的假设检验，且集中在正态总体下的参数假设检验。但在实际问题中，可能存在我们对要研究的总体，并不知晓是什么分布。卡方拟合优度检验就是对未知总体的分布提出一个假设，例如：假设该总体服从正态分布、泊松分布、指数分布、二项分布等，根据样本获得的信息，检验假设是否成立。
拟合优度是指：抽样获得的观测频次与原假设分布中理论频次（也叫期望频次）的差异，若观测频次和理论频次越接近，意味着符合程度越好，即拟合优度更好。
分布拟合优度检验所采用的检验统计量渐近 χ 2 \chi^2 χ2分布
- 使用了大样本的性质，所以要求样本容量n足够大
- 各区间的理论频数 n p i np_i npi不能太小
简单的例子
主要参考
《为什么样本方差（sample variance）的分母是 n-1》
《第七章 参数估计》
《第八章 假设检验》