统计知识

今篇着重介绍成对（配对）两样本的两总体均值之差假设检验

如果统计量的数值落在接受域内，则作出的结论可能犯“取伪”错误，而且犯“取伪”错误的概率β是不可知的。

总体成数的假设检验

对于标准差未知的总体均值，总体方差和总体标准差的假设检验应该如何进行呢？

当n<30时，总体分布对样本均值`X的抽样分布有很大影响。

对于程序员来说，特别是很少见数学公式的来说，要读一本这样满是公式的书其实是比较有挑战的。

什么是泊松分布(Poisson Distribution)，是一种统计与概率学里常见到的离散机率分布(discrete probability distribution)，由法国数学家西莫恩·德尼·泊松(Siméon-Denis Poisson)在1838年时发表。

贝叶斯法则（Bayes’theorem/Bayes theorem/Bayesian law），又被称为贝叶斯定理、贝叶斯规则是概率统计中的应用所观察到的现象对有关概率分布的主观判断（即先验概率）进行修正的标准方法。

参数估计(Parameter Estimation)，是指用样本指标(称为统计量)估计总体指标(称为参数)。用样本均数估计总体均数以及用样本率估计总体率。

至于说什么时候应该用哪个函数来作变换，原文也针对常见的几种情况给出了一些建议。当然，我们会遇到的数据纷繁复杂，究竟用什么函数效果比较好，还是得通过反复尝试并实际验证才知道。

假如我们的总体分布不怎么正态，样本量也不是很大，感觉用 t 检验好像有点儿够呛，这时该怎么办？

摘要：在之前的文章中，我们讨论了如何利用单变量和多变量分析的方法来检测异常值。接下来我们将介绍如何利用聚类方法识别多变量情形中的异常值。 推荐阅读：检测异常值的参数和非参数方法 顾名思义，聚类方法就是将特征相似的样本聚集在同一个类别中，因此样本间的相似性是一个非常重要的概念，我们需要考虑如何量化样本间的相似情况。通常情况下，我们用样本之间的距离远近来衡量其相…

A－Application　(应用) 要懂得应用统计的观念，学统计绝不是仅止于课堂上标准答案的追求，必须能应用在各种状况工作中。 B－Bias　(偏误) 运用统计，必须避免偏误，特别是在抽样的时候，因为一旦抽样时就带有偏误，那么后续的统计分析就没有意义了。 C－Correct　(正确) 正确使用统计方法，正确解释统计结果；运用统计方法以及解释统计结果时必须正…

一、什么是贝叶斯推断 贝叶斯推断（Bayesian inference）是一种统计学方法，用来估计统计量的某种性质。 它是贝叶斯定理（Bayes’ theorem）的应用。英国数学家托马斯·贝叶斯（Thomas Bayes）在1763年发表的一篇论文中，首先提出了这个定理。 贝叶斯推断与其他统计学推断方法截然不同。它建立在主观判断的基础上，也就是…

【编者注】几乎所有的经济模型都有假设前提，学过计量经济学的同学都知道古典假设，而正态分布又在假设中占有十分重要的作用，小编偶然间在我爱自然语嫣处理这个博客中发现了《正态分布前世今生》的系列文章，文章以名人、故事为主线简单的描述了正态分布的前世今生，这里特推荐给大家。 第三个故事有点长，主角是高斯和拉普拉斯，故事的主要内容是猜测上帝的造物的旨意，寻找随机误差分…