【概率论与数理统计】如何理解自由度n?
统计学上常常说的自由度是到底是什么?
在样本方差计算中,分母不是样本数量,而是样本量减一,人们一般认为减一是因为缺少一个自由度的原因,那么这个自由度的概念到底是什么?
解答
自由度不容易解释,他们在统计中的一些先进和复杂的许多不同的情况下出现。 在数学方面,他们在技术上定义为一个随机向量域的维数。
但我们不会讲到这些,因为自由度通常不是你需要了解执行统计分析,除非你是一个研究的统计学家或有人研究统计理论。然而心中真想知道,为了冒险和好奇,下面是一些例子,提供一个统计数据的基本要点。
不同的自由度
首先忘记统计数据,想象你是一个风趣的人,喜欢戴帽子,你不关心什么是自由度,你相信多样性是生活的调味品。不幸的是你有约束,你只有7个帽子。然而,你想每天戴不同的帽子。
在第一天,你可以戴7帽子中的任何一个。第二天,你可以从剩下的6个帽子中选择,第三天你可以从剩下的5个帽子中选择,等等。
第六天,在这周没有戴过的帽子中你还有2个帽子选择。但你选择你的帽子后6天,在7天你没有可以选择的帽子戴。你必须戴最后剩下的帽子。你有7 - 1 = 6天的“帽子”自由的帽子你可以改变!
这是统计中的自由度的一种理念。自由度通常被广泛地定义为“观测”(信息的片段)在估计统计参数时自由变化的数据的数量。
自由度:单样本t检验
现在想象你没有帽子,你进入数据分析。
你有一个10个值的数据集,如果你不估计,每个值可以取任意数量,对吗? 每个值是完全自由的变化。
但如果你想用单样本t检验测试一个10样本总体均值,你现在有一个约束的均值估计。这个约束到底是什么? 根据定义的意思,下面的关系必须保持:数据中所有值的总和必须等于nx的平均值,n为数据集的数量值。
如果一个数据集有10个值,10个值的总和必须等于平均值x 10。如果10个值的均值为3.5(你可以选择任意数量),这种约束要求10个值之和必须等于10 x 3.5 = 35。有了这个约束,数据集的第一个值是可以自由变化的。对于任何值,所有10个数字值和对于35仍然是可能。 第二个值还可以自由变化因为无论你选择何种值,它仍然允许的可能性的总和为35。
事实上,前9个值可以是任何东西,包括这2个例子:
34, -8.3, -37, -92, -1, 0, 1, -22, 99
0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9
但要有所有10个值的总和为35,并有一个平均值为3.5,第十个值不能改变。它必须是一个特定的数字:
34, -8.3, -37, -92, -1, 0, 1, -22, 99 -----> 10TH value must be 61.3
0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9 ----> 10TH value must be 30.5
因此你有10 - 1 = 9自由度,不管您使用什么样本量或者是你在使用样本平均值的最后一个值是不自由变化,你最终得到n- 1自由度其中n是样本容量。
另一种方式是,自由度的数量等于“观测”的数量减去所需的观测之间的关系(例如,参数估计数)。对于单样本t检验一个自由度估计均值,剩下的n- 1自由度估计可变性。自由度定义特定的t分布,用来计算t检验p值和t值。
注意,对于小样本(n),有较小的自由度(n - 1对应的单样本t检验),t分布有胖的尾巴。这是因为t分布是专门设计提供更多保守的测试结果在分析小样本(如在酿酒行业)。 随着样本容量(n)的增加,自由度数量增加,t分布接近正态分布。
原文链接:统计学上常常说的自由度是到底是什么?
【概率论与数理统计】如何理解自由度n?相关推荐
- 《概率论与数理统计》之概率函数、概率分布函数与概率密度函数理解
文章目录 写在前面 离散型随机变量与连续型随机变量 离散型随机变量的概率函数与概率分布函数 连续型随机变量的概率密度函数与概率分布函数 总结 REF 写在前面 如果有大一大二的新生看到这篇博文,如果你 ...
- 【概率论与数理统计】小结8 - 三大抽样分布
注:抽样分布就是统计量的分布,其特点是不包含未知参数且尽可能多的概括了样本信息.除了常见的正态分布之外,还有卡方分布.t分布和F分布为最常见的描述抽样分布的分布函数.这几个分布函数在数理统计中也非常有 ...
- 【2020/07/16修订】概率论与数理统计(电子科技大学) 知识梳理 · 第一版(1到8章 · 度盘)
概率论与数理统计 知 识 梳 理 (第一版) 建议先修课程:高等数学(微积分) 配套课程: 1.慕课(MOOC):概率论与数理统计(电子科技大学) 2.教材:概率论与数理统计 电子科技大学应用数学学院 ...
- 郝志峰《概率论与数理统计》期末复习笔记
目录 前言 第一章 概率论的基础概念 知识大纲 随机试验 随机事件 事件概率 等可能概率模型 第二章 概率论的基本定理 知识大纲 条件概率 独立性 全概率公式 贝叶斯公式 ...
- 【Mark】概率论与数理统计
Contents 概率论的基本概念 随机变量及其分布 多维随机变量及其分布 随机变量的数字特征 大数定律及中心极限定理 样本及抽样分布 参数估计 链接 概率论与数理统计BV15t411D7G1. 链接 ...
- 数学基础知识回顾(一):概率论与数理统计
概率论与数理统计 前言 一.基本概念 1.分布函数与概率密度函数 2.多个随机变量的组合 3.总体与样本,期望与方差 4.点估计与估计量的评价标准 二.常见分布,大数定律,中心极限定理 1.常见分布 ...
- 概率论与数理统计常用英文词汇对照
概率论与数理统计常用英文词汇对照 Probability Theory 概率论 Trial 试验 intersection交 union 并 frequency 频率 difference 差 add ...
- 张宇概率论与数理统计pdf_【书籍篇】张宇概率论与数理统计9讲
[书籍篇]每篇文章分享一本高质量的考研书. 这些考研书是高清无水印的,方便大家学习使用.我们这边已和书籍的大厂商达成长期合作,所以将会更好的服务每一位考研学子. 你在外面QQ群看到的那些宣传学习资源的 ...
- [概统]本科二年级 概率论与数理统计 第三讲 离散型随机变量
[概统]本科二年级 概率论与数理统计 第三讲 离散型随机变量 离散型随机变量的基本概念 Bernoulli分布与二项分布 超几何分布 几何分布 Poisson分布 离散型随机变量的基本概念 定义3.1 ...
- [概统]本科二年级 概率论与数理统计 第二讲 几何概型
[概统]本科二年级 概率论与数理统计 第二讲 几何概型 蒲丰投针问题 Buffon's Needle Problem 伯川德悖论 Bertrand Paradox 几何概型的思想非常简单,用图形表示事 ...
最新文章
- 关于智能车竞赛程序公正问题的讨论
- TCP的三个接收队列
- yarn install 遇到的错误消息 - Error EPERM operation not permitted, open .yarnrc
- 8.2 GOF设计模式一: 单实例模式 SingleTon
- IDEA+Java控制台实现教材管理系统
- ios 边录音边放_ios中同时录音和播放
- Typora 安装包2021年11月最后一次免费版本的安装包下载V13.6.1
- html+css+javascript实现抖音超火罗盘时钟 (免费附源码)
- 如何查看华为android系统,如何查看华为手机系统更新的新增功能
- 第二章02:初识批处理
- c语言经纬度和大地坐标转换,经纬度坐标与大地坐标转换表
- poj3281 Dining (最大流)
- excel表格拆分成多个工作表的方法?
- SUSE Linux Enterprise Server for SAP Applications15 SP3 下载及安装教程
- [蓝桥杯][算法提高VIP]我们的征途是星辰大海
- 美国西北大学 计算机工程专业排名,[转载]美国西北大学计算机工程研究生最新专业排名...
- LK光流算法的matlab仿真与仿真
- 华为怎么改输入法皮肤_怎么设置华为手机输入法皮肤
- H3C-stp-链路聚合-端口安全
- 团购服务升级战打响:围绕移动、差异、精细化