在网站上显示备案信息,钢筋网片价格,大连做网站,五金制品东莞网站建设技术支持目录
1 进行多次抽样#xff0c;样本的分布参数和总体的分布参数的关系
2 样本容量越大#xff0c;多次抽样的样本的分布参数和总体的分布参数的关系
3 随着样本容量增大#xff0c;多次抽样均值的 平均值#xff0c;方差的变化
4 随着样本容量增大#xff0c;多次抽…
目录
1 进行多次抽样样本的分布参数和总体的分布参数的关系
2 样本容量越大多次抽样的样本的分布参数和总体的分布参数的关系
3 随着样本容量增大多次抽样均值的 平均值方差的变化
4 随着样本容量增大多次抽样方差的 平均值方差的变化 进行多次抽样样本的分布参数和总体的分布参数的关系
1 进行多次抽样样本的分布参数和总体的分布参数的关系
每次抽样都会得到1个均值1个方差多次抽样会得到多个均值多个方差可以把多次抽样得到的均值方差再进行平均看下多次抽样的平均值和总体参数的关系 多次抽样会得到多个均值→也就是均值数组这个均值数组的平均值接近总体的均值多次抽样会得到多个方差→也就是方差数组这个方差数组的平均值会远小于总体的均值这就是样本方差对总体方差的有偏估计。 std的情况类方差。 import numpy as np
import pandas as pd
import scipy as sp
from matplotlib import pyplot as plt
import seaborn as sns
%precision 3population1sp.stats.norm(loc4,scale0.8) #不设置size可以认为是一个无限的总体
samples_mean_array1np.zeros(1000)
np.random.seed(1)
for i in range(0,1000):sample1population1.rvs(size10)samples_mean_array1[i]np.mean(sample1)#print(samples_mean_array1)
sns.distplot(samples_mean_array1)
#sns.histplot(samples_mean_array1)
#sns.kdeplot(samples_mean_array1, fillTrue)
plt.show()print(f设置的总体的均值 4)
print(f设置的总体的方差 {0.8*0.8})
print(f设置的总体的标准差 0.8)
print()print(f多次抽样的样本均值的均值 {np.mean(samples_mean_array1)})
print(f多次抽样的样本方差的均值 {np.var(samples_mean_array1)})
print(f多次抽样的样本标准差的均值 {np.std(samples_mean_array1)})
print()print(多次抽样的样本的均值的均值接近总体的均值)
print(多次抽样的样本的方差的均值远远小于总体的方差)
print(多次抽样的样本的标准差的均值远远小于总体的标准差)
print()2 样本容量越大多次抽样的样本的分布参数和总体的分布参数的关系
首先还是基于多次抽样因为单次抽样的随机性比较大样本容量越大多次抽样的样本的分布参数和总体的分布参数的关系会发现
样本容量越大多次抽样的样本的平均值的均值会收敛越来越接近总体的平均值样本容量越大多次抽样的样本的方差的均值会收敛越来越接近总体的方差 hist图就像把plot给旋转竖过来了 下沉相同的归类后统计成次数 hist图就像把plot给旋转竖过来了 下沉相同的归类后统计成次数 hist图就像把plot给旋转竖过来了 下沉相同的归类后统计成次数 随着抽样次数的变化
每次都增加抽样样本的容量
可以发现 写到一半代码居然崩了丢失了。。。。
3 随着样本容量增大多次抽样均值的 平均值方差的变化
多次抽样的样本均值的均值 趋向总体的均值多次抽样的样本均值的 方差很小说明很稳定 4 随着样本容量增大多次抽样方差的 平均值方差的变化 多次抽样的样本方差的均值应该还是小于总体的方差因为是有偏估计多次抽样的样本方差的 方差很大不稳定
