统计学整理笔记

统计知识点归纳总结手写一、基本概念1.1 总体与样本总体是指研究对象的全体，而样本是从总体中抽取出来的一部分。

通过对样本的研究，可以推断出总体的特征，从而进行统计推断。

1.2 参数与统计量参数是用来描述总体特征的数值，比如总体均值、方差等；而统计量是用来描述样本特征的数值，比如样本均值、样本方差等。

通过对统计量的计算和分析，可以推断出参数的估计值。

1.3 随机变量与概率分布随机变量是指在一定概率分布下可以取任意值的变量，而概率分布则描述了随机变量的取值规律。

常见的概率分布包括正态分布、二项分布、泊松分布等。

二、描述统计2.1 数据的表示与描述描述统计是对数据进行整理、汇总和展示的过程，包括均值、中位数、众数、标准差等统计指标。

常见的数据表示方式包括表格、图表和描述性统计量。

2.2 统计图表统计图表是一种直观的数据表示方式，包括条形图、饼图、折线图、散点图等。

通过图表的展示，可以更直观地看出数据的分布和趋势。

2.3 相关系数与回归分析相关系数用于描述两个变量之间的线性关系强度，常见的相关系数包括皮尔逊相关系数、斯皮尔曼相关系数等；而回归分析则用于研究自变量和因变量之间的关系，并建立相应的回归模型。

三、概率论3.1 概率的基本概念概率是描述事件发生可能性的数值，常用的概率计算方法包括古典概率、几何概率和条件概率等。

3.2 随机变量与概率分布在概率论中，随机变量和概率分布的概念同样也是十分重要的，需要对不同类型的概率分布进行理解和应用。

3.3 大数定律与中心极限定理大数定律和中心极限定理是概率论中的两个重要定理，它们分别描述了大样本下样本均值的稳定性和样本均值分布的收敛性。

四、统计推断4.1 参数估计参数估计是利用样本统计量对总体参数进行估计的过程，常用的参数估计方法包括点估计和区间估计。

4.2 假设检验假设检验用于检验总体参数的统计假设是否成立，包括设定原假设和备择假设、选择检验统计量、确定显著性水平等步骤。

统计整理知识点总结一、数据的收集和整理1. 数据的来源：数据可以来自多种渠道，比如实验、调查、统计报表、数据库等。

2. 数据的收集方法：调查、实验、观测等。

3. 数据的整理与清洗：数据整理包括对数据进行排序、分类、整理和清理，以确保数据的可靠性和完整性。

4. 数据的表示与汇总：可以用频数分布、直方图、饼状图、线图、散点图等方法来表示和汇总数据。

二、统计描述与推断1. 描述统计学：描述统计学是研究数据分布、中心趋势、离散程度等统计量的方法，包括均值、中位数、众数、标准差、方差等。

2. 推断统计学：推断统计学是通过对样本数据的分析和推断，从而对总体的性质进行估计和推断。

包括参数估计、假设检验、置信区间等方法。

三、随机变量与概率分布1. 随机变量：随机变量是随机试验结果的数值表示，包括离散型随机变量和连续型随机变量。

2. 概率分布：概率分布描述了随机变量的可能取值及其对应的概率，包括离散分布和连续分布。

3. 常见的概率分布包括二项分布、泊松分布、正态分布、指数分布等。

四、参数估计和假设检验1. 参数估计：参数估计是通过样本数据对总体参数进行估计，包括点估计和区间估计。

2. 假设检验：假设检验是通过样本数据来对总体假设进行检验，包括原假设、备择假设、显著性水平、检验统计量等。

3. 假设检验的步骤包括提出假设、选择适当的检验方法、计算检验统计量、进行决策和得出结论。

五、回归分析和方差分析1. 简单线性回归分析：简单线性回归分析是研究两个变量之间线性关系的方法，包括回归方程、回归系数、相关系数等。

2. 多元回归分析：多元回归分析是研究多个自变量对因变量的影响的方法，包括多元回归方程、多元回归系数、多重相关系数等。

3. 方差分析：方差分析是研究不同因素对总体均值是否有显著影响的方法，包括单因素方差分析和双因素方差分析。

六、贝叶斯统计1. 贝叶斯定理：贝叶斯定理是用来更新先验概率为后验概率的方法，包括先验分布、似然函数、后验分布等。

大一统计学笔记整理1. 统计学导论- 统计学的定义：统计学是一门研究如何收集、整理、分析和解释数据的科学- 统计学的应用领域：从商业到医学、社会科学到自然科学等各个领域都需要统计学的应用- 统计学的基本概念：总体、样本、参数和统计量- 统计学的研究方法：描述统计和推断统计- 数据的收集方式：观察法和试验法- 数据的分类：定量数据和定性数据- 描述统计的主要指标：频数、频率、平均数、中位数、众数、标准差和方差2. 数据的整理与呈现- 数据的整理：数据表、频数分布表和频数分布图- 数据的呈现：直方图、饼图、折线图、散点图和箱线图- 数据的处理：缺失数据的处理、异常值的处理和数据的变换3. 正态分布与抽样分布- 正态分布的性质：钟形曲线、对称性、均值和标准差的关系- 标准正态分布：Z分数和Z表的使用- 中心极限定理：大样本时抽样分布近似服从正态分布- 抽样分布的概念：样本均值的抽样分布、样本比例的抽样分布等- 样本均值的抽样分布：抽样误差、标准误和置信区间4. 统计推断与假设检验- 统计推断的基本思想：从样本推断总体- 参数估计：点估计和区间估计- 假设检验：零假设和备择假设、显著性水平、P值和拒绝域- 单样本检验：均值的假设检验和比例的假设检验- 双样本检验：两个独立样本均值的假设检验和配对样本均值的假设检验5. 回归与相关分析- 简单线性回归：回归方程、回归系数的估计和拟合优度- 多重线性回归：多元回归方程、多重共线性和变量选择- 相关分析：皮尔逊相关系数、斯皮尔曼等级相关系数和点双相关系数注意：以上内容仅为大一统计学的基础知识，详细内容和推导公式可参考相关教材和课堂讲义。

第二节统计表与统计图一、统计表统计表的作用：代替冗长的文字叙述，便于计算、分析和对比。

（一）列表原则1、重点突出，简单明了：一张表一般只包括一个中心内容2、主谓分明，层次分明：研究对象作横坐标，研究指标作纵坐标。

（二）统计表的基本结构及要求1.标题2.标目：横标目（主语）纵标目（谓语）3.线条4.数字（宾语）5.备注主语和谓语连贯起来能读成一句完整而通顺的话。

二、统计表的基本结构与要求1、标题：概括地说明表的内容，必要时注明资料的时间和地点，写在表上方。

常见的错误：过于简略，甚至不写标题；或过于繁琐；或标题不确切。

2、标目：有横标目和纵标目，分别说明表格每行和每列数据的含义。

横标目在表头的左侧，代表研究的对象；纵标目位于表头的右侧，表达研究对象的指标。

文字简明扼要，有单位的标目要注明单位。

常见的错误：标目过多，层次不清3、线条：不宜过多，一般采用3条线：顶线，底线，纵标目下的横线。

其余线条一般均省去。

不能有竖线和斜线。

4、数字：（1）数字一律用阿拉伯数字表示。

（2）同一指标的小数位数应一致，位次对齐。

（3）表内不宜留空格; 暂缺或未记录，用“…”表示; 无数字，用“—”表示；数字为0，填写0（4）绝对数太小而无法计算指标，则用“…”代替。

5、备注：一般不列入表内，必要时可用“*”号标出，写在表的下面。

三、统计图及其应用（一）统计图作用通过点、线、面等形式表达统计资料，直观地反映事物之间的数量关系。

但需注意，由于统计图对数量的表达较粗糙，不便于作深入细致的分析，一般需附相应的统计表。

（二）统计图的种类条图，百分条图，圆图，线图，半对数线图，直方图，散点图，统计地图(三)制图的基本要求1．按资料的性质和分析目的，选用适合的图形2．要有标题，扼要说明资料的内容，必要时注明时间、地点，一般写在图的下面。

3．横轴尺度从左到右，纵轴尺度从下而上，数量一律由小到大。

横轴与纵轴坐标长度比例一般为5:74．比较不同事物，用不同线条或颜色表示，并附上图例说明。

第一章 绪论参数与统计量参数： 刻画总体特征的指标 统计量： 刻画样本特征的指标统计的核心问题： 样本、总体总体与样本总体：确定的全部同质个体的某个（或某些）变量值 样本：总体中有代表性的一部分样本选择的原则——代表性、随机性、可靠性、可比性资料的代表性与可比性所谓代表性是指该样本从相应总体中经随机抽样获得，能够代表总体的特征；所谓可比性是指各对比组间除了要比较的主要因素外，其它影响结果的因素应尽可能相同或相近频率与概率区别和联系 （1） 区别频率： 是随机的，在试验前不能确定，无法从根本上来刻画事件发生的可能性的大小 概率： 是一个确定的常数，是客观存在的，与试验次数无关 。

（2） 联系频率： f=m/n （n 为观察次数，m 为发生频数）（0<f<1），当n 越大，f 越趋向于一个常数，即概率。

概率可看作频率在理论上的期望值，并从数量上反映了随机事件发生的可能性。

变异是统计学存在的基础变量及变量值：研究者对每个观察单位的某项特征进行观察和测量，这种特征称为变量，变量的测得值叫变量值（也叫观察值），称为资料。

按变量值的性质将资料进行分类。

离散型变量； 连续型变量a 计量资料（定量） 连续型变量 + 部分不具有分类性质的离散型变量b 计数资料（定性） 离散型变量（分为无序分类资料（计数资料） + 有序计数资料（等级资料））c 等级资料（定性） 有序的计数资料/半计量资料（具有计数资料和计量资料特性）变量类型的转化（计量——计数（数值—— - + ++）协变量： 在实验设计中，为一个独立变量（解释变量），不为实验者所操纵，但仍影响实验结果μσπρβ,,,,,,,,X S p r b误差系统误差和随机误差（随机测量误差，抽样误差）。

(1)系统误差：指数据搜集和测量过程中由于仪器不准确、标准不规范等原因，造成观察结果呈倾向性的偏大或偏小，这种误差称为系统误差。

特点：具有累加性(2)随机误差：由于一些非人为的偶然因素使得结果或大或小，是不确定、不可预知的。

关于显著性检验，你想要的都在这儿了！！（基础篇）无论你从事何种领域的科学研究还是统计调查，显著性检验作为判断两个乃至多个数据集之间是否存在差异的方法被广泛应用于各个科研领域。

笔者作为科研界一名新人也曾经在显著性检验方面吃过许多苦头。

后来醉心于统计理论半载有余才摸到显著性检验的皮毛，也为显著性检验理论之精妙，品种之繁多，逻辑之严谨所折服。

在此，特写下这篇博文，以供那些仍然挣扎在显著性检验泥潭的非统计专业的科研界同僚们参考。

由于笔者本人也并非统计专业毕业，所持观点粗陋浅鄙，贻笑大方之处还望诸位业界前辈，领域翘楚不吝赐教。

小可在此谢过诸位看官了。

本篇博文致力于解决一下几点问题，在此罗列出来：1.什么是显著性检验？ 2.为什么要做显著性检验？ 3.怎么做显著性检验？下面就请跟随笔者的步伐一步步走入显著性检验的“前世与今生”。

一：显著性检验前传：什么是显著性检验？它与统计假设检验有什么关系？为什么要做显著性检验？“显著性检验”实际上是英文significance test 的汉语译名。

在统计学中，显著性检验是“统计假设检验”（Statistical hypothesis testing ）的一种，显著性检验是用于检测科学实验中实验组与对照组之间是否有差异以及差异是否显著的办法。

实际上，了解显著性检验的“宗门背景”（统计假设检验）更有助于一个科研新手理解显著性检验。

“统计假设检验”这一正名实际上指出了“显著性检验”的前提条件是“统计假设”，换言之“无假设，不检材料宝库的店验”。

任何人在使用显著性检验之前必须在心里明白自己的科研假设是什么，否则显著性检验就是“水中月，镜中花”，可望而不可即。

用更通俗的话来说就是要先对科研数据做一个假设，然后用检验来检查假设对不对。

一般而言，把要检验的假设称之为原假设，记为H0；把与H0相对应（相反）的假设称之为备择假设，记为H1。

如果原假设为真，而检验的结论却劝你放弃原假设。

第一章统计学和数据第一节统计学的含义及其应用统计学：关于数据的一门学问所关注的是大量可重复事物现象数量特征总体：研究的全部个体或数据的集合往往只有一个，特征唯一确定的，但未知的样本：从总体中抽取的一部分元素构成的集合不唯一，不确定，特征已知的样本量n：构成样本的元素的数目统计方法：描述统计：搜集、处理和描述推断统计：利用样本数据推断总体特征（参数估计和假设检验）第二节统计学发展简史古典统计学：国势学派—H·康令“显著事项”、有统计学之名，无统计学之实政治算术学派—威廉·配第（统计学创始人），有统计学之实，无统计学之名近代统计学：A·凯特勒（统计学之父）现代统计学：哥塞特—推断统计学先驱者费雪—推断统计学建立者第三节变量与数据观察数据：客观现象．．．．观测得到无人为控制和条件约束实验数据：科学实验环境下得到的数据第四节数据的搜集↓↓↓直接来源（一手数据/原始数据）：统计调查（观测数据）实验（实验数据）：实验组和对照组的产生是随机的，匹配的。

间接来源（二手数据/次级数据）：由其他人搜集和整理得到的统计数据公开出版的数据未公开发表的数据网络爬取的数据搜集数据方式：1.询问（访谈）：面访（面对面交谈）、邮寄、计算机辅助电话调查、座谈会、个别深入访谈2.观察实验：观察法（调查对象没有意识到的情况下）、实验法第五节数据的误差↓抽样误差：不可避免，概率抽样中能计量并控制．．．．．．总体内部差异越大，误差越大样本容量越大，误差越小重复抽样误差大于不重复抽样，分层抽样误差小于其他抽样非抽样误差：不能通过增大样本量加以控制抽样框误差，应答误差，无回答误差，计量误差（登记错误）第二章 数据描述第一节用统计量描述数据集中趋势平均数．．．①② 受极端值影响 主用于数值型数据 数据对称分布时应用 中位数．．．③/分位数．．．④ 不受极端值影响．．．．．．．主用于顺序数据．．．．．．． 数据分布偏斜程度较大时应用众数．．⑤ 主用于分类数据中位数不能用于分类数据．．．．．．．．．．．众数、中位数和平均数的关系：均值在哪边就是往哪边偏众数中位数均值对称分布众数中位数均值 左偏分布．．．．众数中位数均值右偏分布．．．．公式① 算术平均数简单平均数（未分组）：x =x 1+x 2+ ···+x nn =∑x in i=1n加权平均数（分组）：x=x 1f 1+x 2f 2+ ···+x k f kf 1+f 2+ ···+f k=∑x i f i k i=1∑f ik i=1有分组取组中值为平均数，若有开口组， 上开口组．．．．：组中值=该组上限-（下组上限-下组下限）/2 下开口组．．．．：组中值=该组下限-（上组上限-上组下限）/2② 几何平均数简单（每个数据只出现一次）：G =√x 1·x 2·… ·x n n=√∏x n加权（每个数据出现不止一次）：G =√x 1f 1·x 2f 2·… ·x n f n f 1+f 2+···+f n =√∏x f ∑f x③ 中位数 n 是奇数：M e=x n+12n 是偶数：M e =12[x(n 2)+x (n 2+1)]下限公式：M e=L +∑f2−S m−1f m·dL ：中位数所在组上限 ∑f ：各组频数之和 S m−1：中位数所在组以前各组的累计频数 d ：中位数所在组组距 上限公式．．．．：M e =U −∑f2−S m+1f m·dU ：中位数所在组下限 f m ：中位数所在组的频数 S m+1：中位数所在组以后各组的累计频数④ 分位数：Q L =(n +1)/4 Q M =2(n +1)/4 Q U =3(n +1)/4⑤ 众数下限公式：M 0=L +∆1∆1+∆2·d 上限公式：M 0=U −∆2∆1+∆2·d∆1：众数所在组的频数与前一组频数之差 ∆2：众数所在组的频数与后一组频数之差公式⑥异众比率V r=1−f0∑f i（f0：众数组的频数）⑦极差/全距R=max(x i)−min (x i)⑧四分位距：Q d=Q U−Q L⑨平均差未分组：MAD=∑|x i−x|n已分组：MAD=∑|x i−x|f∑f⑪离散系数总体：Vσ=σx̅样本：V s=sx̅⑫标准分数z i=x i−x̅sz的均值=0 标准差s=1（z=1.2，说明观察值比平均值大1.2倍s）偏态系数（SK）⑬峰值系数（K）⑭SK=0对称SK<0左偏SK>0右偏正态分布K<0扁平分布K>0尖峰分布公式⑬偏态系数未分组：SK=n∑(x i−x̅)3 (n−1)(n−2)s3已分组：SK=n∑(M i−x̅)3f ins3⑭峰态系数未分组：K=n(n+1)∑(x i−x̅)4−3[∑(x i−x̅)2]2(n−1) (n−1)(n−2)(n−3)s4已分组：K=∑(M i−x̅)4f ins4−3第二节用表格描述数据频数分布表分组→频数分组数K=1+log(n) log(2)K：组数n：数据个数2K>n组距=全距/组数各组组距=上限-下限各组组中值=（上限+下限）/2等距数列：每一组距相等，研究的现象变动比较均匀．．．．．．．．．．．不等距/异距数列：每一组距不全相等，研究的对象变动分布均匀，波动幅度很大．．．．．．“上限不在内”原则第三节用图形描述数据1.直方图用矩形面积表示各组频数分布（面积之和．．．）．．．．=．总频数对于不等距分组，纵轴必须表示为频数密度（频数．．）．．．．．．．．/．组距2.箱线图找5个特征点：最大值、最小值、中位数、两个四分位数3.茎叶图类似横置直方图，既反映数据分布，又保留原始数据大致信息4.折线图5.气泡图6.雷达图（蜘蛛图）：总的绝对值与图形所围成的区域成正比．．．．．．．．．．．．．．．．．Array 7.散点图：观．察两个变量之间的相关程度和类型最直观的方法．．．．．．．．．．．．．．．．．．．．．8.条形图9.饼图：主要用于结构性问题研究10.环形图：反映多个样本（或总体）之间的结构差异11.帕累托图：双直接坐标系表示，左边纵坐标表示频数，右边纵坐标表示频率，分析线表示累计频率按各类别数据出现的频率排序（降序），并画出累计百分比双直角坐标系表示第三章参数估计第一节统计量与抽样分布一、统计量的抽样分布统计量：对样本数量特征的概括性度量不含任何未知参数的样本的函数是一个随机变量不同样本可算出不同的统计量值抽样分布：样本统计量的概率分布仅仅是一种理论分布提供了样本统计量长远而稳定的信息，构成推断总体参数的理论基础点估计：用样本统计量的某个实际取值作为相应的总体参数的估计值的过程常用——用样本均值x̅估计总体均值μ用样本比例p估计总体比例π用样本方差s2估计总体方差σ2总体参数是未知的，但可以利用样本信息来推断。