HCHUNGW的部落格

小白學統計（13）離散型隨機變數概率分佈——二項分佈

所謂機率分佈，是指隨機變數的取值與該取值發生概率所構成的分佈。概率分佈描述了一個隨機變數的所有取值與其相應概率值之間的關係。它可以分為離散型概率分佈和連續型概率分佈(離散型及連續型隨機變數分類見上一篇)。

統計筆記（12）——通俗歸納離散型概率分佈

基礎準備

統計筆記（11）——隨機變數的種類與描述

研究隨機現象中存在的統計規律性，可以將隨機現象的結果與實際數值對應起來，即將結果數量化。因為隨機現象如果可以用數值來描述，那麼就可以將數學分析的方法引入到隨機現象的研究中。

統計筆記（10）——貝葉斯定理（統計在生活中的應用）

貝葉斯(Thomas Bayes, 1701—1761)是英國人，主要職業是牧師，業餘愛好才是數學。他為了證明上帝的存在，發明了概率統計學原理，雖然他的這一美好願望至死也未能實現，卻為統計學的發展做出了巨大的貢獻。

統計筆記（9）——貝氏定理（機率的修正方法）

貝氏定理是用來描述兩個條件概率之間關係的定理，比如P(A|B)和P(B|A)

小白學統計（8）——概率的基本運算法則

學習概率運算法則之前，需要知道事件之間的關係。事件之間的關係有以下三種：

統計筆記（7）——推斷理論基礎（概率）

統計筆記（6）——統計資料的圖形描述（幾何圖）

小統計筆記（5）——資料離散程度描述

集中趨勢指標是資料的一個特徵，資料的另一個特徵是離散程度指標。另外，離散程度指標還被用來說明事物在發展變化過程中的均衡性、節奏性和穩定性等問題。例如，有兩組資料，第一組是19，20，21，第二組是15，20，25。如果只根據均值（兩組的均值都是20）我們將無法區別兩組資料有什麼不同。但顯然兩組資料是有區別的。在這種情況下，就需要使用離散程度的指標來描述那一組分散的程度更大一些。

小白學統計（4）——資料集中趨勢的描述

在社會和經濟領域中有許多實際發生的資料，因為各種偶然因素的影響，這些資料看起來往往雜亂無章。