大数据分析报告-分布类别

1、.各种分布泊松分布泊松分布的概率函数为：Poisson 分布,是一种统计与概率学里常见到的离散概率分布.泊松分布的概率函数为：泊松分布的参数 是单位时间内随机大事的平均发生率.泊松分布适合于描述单位时间内随机大事发生的次数. 泊松分布的期望和方差均为特征函数为：泊松分布与二项分布n p 很小时, np.泊松分布可作为二项分布的极限而得到.一般的说,假如,其中n 很大,p很小,因而不太大时,X 泊松分布可作为二项分布的极限而得到.一般的说,假如,其中n 很大,p很小,因而不太大时,X 的分布接近于泊松分布.这个事实有时可将较难计算的二项分布转化为泊松分布去计算.应用示例.如某一服务设,汽车站台的

2、候客人数,射性物质放射出的粒子,机器消灭的故障数,自然灾难发生的次数,一块产品上的缺陷数,显微镜下单位分区内的细菌分布数等等.卡方分布卡方分布 卡方分布 是概率论与统计学中常用的一种概率分布.n 个独立的标准n .置信区间的计算.n 、n,同分布于标准正态分布,n 成一新的随机变量,chi-square distribution,即分布chi-square distribution,n 称为自由度.正如正态分布中均值或方差不同就是另一个正态分布一样,自由度不同就是另一个分布.记为或者.卡方分布是由正态分布构造而成的一个新的分布,当自由度卡方分布是由正态分布构造而成的一个新的分布,当自由度n 很

3、大时,分布近似为正态分布.x,k X 的机率分布.分布的均值为自由度 n,记为 E = n.2 倍的自由度,记为 D = 2n.均匀分布均匀分布Uniform Distribution是概率统计中的重要分布之一. 假如,X听从离散的均匀分布 假如,X听从离散的均匀分布. 设连续型随机变量 X 的概率密度函数为X 听从a,b,XU.,如此称随机,即数学期望位于区间,即数学期望位于区间a,b的中间.方差.伯努利分布伯努利分布一个离散型机率分布,是二项分布的特殊状况.分布律：伯努利分布是一种离散分布,有两种可能的结果.1 表示成功,消灭的概率为p其中0p.0 表示失败,消灭的概率为 q=1-p.分布

4、律：性质均值：E=p.方差：var=p.二项分布二项分布n 次独立的伯努利试验.在每次试验中只有两种可能的结果,并且相互独立,大事发生与否的概率在每一次独立试验中都保持不变,n 利试验,当试验次数为 1 时,二项分布听从 0-1 分布.概率为：P =k pk(1 p)nkk 表示组合数,n 为试验次数,k 为成功次数,p 为成功概率. 期望与方差E=EX+X+X.X=np.D=DX+X+X.X=np.分布区分两点分布又称伯努利分布. 两点分布的分布列就是x01P1-pp而二项分布的可能结果是不确定的甚至是没有终点的. 两点分布是一种特殊的二项分布.二项分布是离散型分布,概率直方图是跃阶式的.由

5、于x 为不连续变量,用概率条图表示更适宜,用直方图表示只是为了更形象些.pq 时,.pq 时,pq .n 很大pq,偏态渐渐降低,最终成正态分布,二项分布的极限分布为正态分布.故当 n 很大时,二项分布的概率可用正态分布的概率作为近似值.n 很大呢?pq nq5,n ,可以用正态分布的概率作为近似值了.01 01 分布01 n=1 .即只先进展一次大事试验,p.q=1-p.,任何一个只有两种结果的随机现象.记法：XBx 0 记法：XB,其中 ,其中 k=0,1.p k=1 时的概率0p,X 0-1 分布,0-1 .期望与方差E=p,D=pq频数分布类型钟形分布、U 形分布、J 形分布其中钟形分

6、布可分为正态分布和偏态分布. 众数算数平均数与中位数和众数的关系MO表示众数，Me表示中位数，表示算数平均数偏度和峰度偏度峰度离散型随机变量的概率分布连续型随机变量的概率分布连续型随机变量取一个固定的点的概率为 0.抽样分布简洁随机抽样的方法有重复抽样与不重复抽样两种.大数定理和中心极限定理大数定理大数定理又称大数法如此.人们在观看个别事物时,是连同一切个别的特性来观看的.个别现象受偶然因素影响,有各自不同的表现.但是,对总体的大量观看后进展平均,就能使偶然因素的影响相互抵消 ,抵消大局部偶然因素,从而使总体平均数稳定下来,反映出事物变化的一般规律,这就是大数定理的意义.参数估量点估量点估量就是依据总体参数与样本统计量之间的内在联系 ,直接以样本统计量作为相应总体参数的估量量,点估量又称为定值估量.在统计中经常使用的点估量量有：点估量优良性包括三条标准：无偏性、有效性和全都性无偏性：平均数的区间估量正态分布、总体方差2正态分布、总体方差2未知总体成数的区间估量假设检验一般假设检验的步骤：1、提出原假设H0与备择假设H12、构造检验统计量；原假设与备择假设