一个概率标准差的问题设实验服从二项分布,实验中事件A发生的概率是P,那么假设在n次试验中发生X次A事件,那么x/n的标准差是多少呢?为什么?用通俗的语言解释下,

一个概率标准差的问题设实验服从二项分布,实验中事件A发生的概率是P,那么假设在n次试验中发生X次A事件,那么x/n的标准差是多少呢?为什么?用通俗的语言解释下,
一个概率标准差的问题
设实验服从二项分布,实验中事件A发生的概率是P,那么假设在n次试验中发生X次A事件,那么x/n的标准差是多少呢?为什么?用通俗的语言解释下,

一个概率标准差的问题设实验服从二项分布,实验中事件A发生的概率是P,那么假设在n次试验中发生X次A事件,那么x/n的标准差是多少呢?为什么?用通俗的语言解释下,
第12题怎么这么怪?

设实验中事件A发生的概率是P，n次试验中发生X次，X是一个随机数，可按如下方式构成X=ξ1+ξ2+......ξn,ξ是一次实验中事件A发生的次数，发生为1，不发生为0，显然E(ξ)=p,D(ξ)=p(1-p),那么
E(X/n)=np/n=p,
D(X/n)=D(X)/n^2=nD(ξ)/n^2=D(ξ)/n=p(1-p)/n
意义：X/n表示事件A发生的频数，它的数学期...

全部展开

设实验中事件A发生的概率是P，n次试验中发生X次，X是一个随机数，可按如下方式构成X=ξ1+ξ2+......ξn,ξ是一次实验中事件A发生的次数，发生为1，不发生为0，显然E(ξ)=p,D(ξ)=p(1-p),那么
E(X/n)=np/n=p,
D(X/n)=D(X)/n^2=nD(ξ)/n^2=D(ξ)/n=p(1-p)/n
意义：X/n表示事件A发生的频数，它的数学期望等于它在一次实验中发生的概率。其标准差为p(1-p)/n，显然n-->∞时，p(1-p)/n--->0，其含义是，实验次数趋于无穷时，事件A发生的频数，概率为1地收敛于事件A发生的概率，或者说它满足大数定律。

收起

简单一点说就是:残差平方和除以N-1在开平方根
方差s^2=[(x1-x)^2+(x2-x)^2+......(xn-x)^2]/n
标准差=方差的算术平方根
标准差计算公式的来源
标准差是反应一组数据离散程度最常用的一种量化形式，是表示精密确的最要指标。
虽然样本的真实值是不能知道，但是每个样本总是会有一个真实值的，不管它究竟是多少。可以想象，一个好的检...

全部展开

简单一点说就是:残差平方和除以N-1在开平方根
方差s^2=[(x1-x)^2+(x2-x)^2+......(xn-x)^2]/n
标准差=方差的算术平方根
标准差计算公式的来源
标准差是反应一组数据离散程度最常用的一种量化形式，是表示精密确的最要指标。
虽然样本的真实值是不能知道，但是每个样本总是会有一个真实值的，不管它究竟是多少。可以想象，一个好的检测方法，基检测值应该很紧密的分散在真实值周围。如不紧密，那距真实值的就会大，准确性当然也就不好了，不可能想象离散度大的方法，会测出准确的结果。因此，离散度是评价方法的好坏的最重要也是最基本的指标。
一组数据怎样去评价与量化它的离散度?有很多种方法：
1.极差
最直接也是最简单的方法，即最大值－最小值（也就是极差）来评价一组数据的离散度。这一方法最为常见，比如比赛中去掉最高最低分就是极差的具体应用。
2.离均差的平方和
由于误差的不可控性，因此只由两个数据来评判一组数据是不科学的。所以人们在要求更高的领域不使用极差来评判。其实，离散度就是数据偏离平均值的程度。因此将数据与均值之差（我们叫它离均差）加起来就能反映出一个准确的离散程度，越大离散度也就越大。
但是由于偶然误差是成正态分布的，离均差有正有负，对于大样本离均差的代数相加为零的。为了避免正负问题，在数学有上有两种方法：一种是取绝对值，也就是 常说的离均差绝对值相加。而为了避免符号问题，数学上最常用的是另一种方法－－平方，这样就都成了非负数。因此，离均差的平方累加成了评价离散度一个指标。
3.方差（S2）
由于离均差的平方累加值与样本个数有关，只能反应相同样本的离散度，而实际工作中做比较很难做到相同的样本，因此为了消除样本个数的影响，增加可比性，将标准差求平均值，这就是我们所说的方差成了评价离散度的较好指标。
我们知道，样本量越大越能反映真实的情况，而算数均值却完全忽略了这个问题，对此统计学上早有考虑，在统计学中样本的均差多是除以自由度（n-1），它是意思是样本能自由选择的程度。当选到只剩一个时，它不可能再有自由了，所以自由度是n-1。
4.标准差（SD）
由于方差是数据的平方，与检测值本身相差太大，人们难以直观的衡量，所以常用方差开根号换算回来这就是我们要说的标准差。

收起