Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
OpenDocCN
dataviz-zh
提交
5235914b
D
dataviz-zh
项目概览
OpenDocCN
/
dataviz-zh
8 个月 前同步成功
通知
2
Star
68
Fork
16
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
D
dataviz-zh
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
前往新版Gitcode,体验更适合开发者的 AI 搜索 >>
提交
5235914b
编写于
4月 23, 2020
作者:
W
wizardforcel
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
2020-04-23 11:41:11
上级
2dc03555
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
1 addition
and
1 deletion
+1
-1
docs/20.md
docs/20.md
+1
-1
未找到文件。
docs/20.md
浏览文件 @
5235914b
...
...
@@ -38,7 +38,7 @@
## 16.2 可视化点估计的不确定性
在图 16.2 中,我显示了“最佳估计值”和“误差幅度”,但我没有解释这些量究竟是什么或者如何获得它们。为了更好地理解它们,我们需要快速介绍统计抽样的基本概念。在统计数据中,我们的首要目标是通过查看世界的一小部分来了解世界。继续选举的例子,假设有许多不同的选区,每个
区的公民都要投票支持蓝党或黄党。我们可能想要预测每个地区的投票方式,以及各地区的整体投票平均值(_ 平均值 _)。为了在选举前做出预测,我们不能对每个地区的每个公民进行民意调查,以了解他们将如何投票。相反,我们必须轮询一部分地区的公民子集,并使用这些数据得出最佳猜测。在统计语言中,所有地区所有公民的可能投票总数称为 _ 人口 _,我们调查的公民和/或地区的子集是 _ 样本。_ 人口
代表了世界的潜在真实状态,样本是我们进入这个世界的窗口。
在图 16.2 中,我显示了“最佳估计值”和“误差幅度”,但我没有解释这些量究竟是什么或者如何获得它们。为了更好地理解它们,我们需要快速介绍统计抽样的基本概念。在统计数据中,我们的首要目标是通过查看世界的一小部分来了解世界。继续选举的例子,假设有许多不同的选区,每个
选区的公民都要为蓝方或黄方投票。我们可能想要预测每个选区的投票方式,以及各地区的整体投票均值(平均值)。为了在选举前做出预测,我们不能对每个选区的每个公民进行民意调查,来了解他们将如何投票。相反,我们必须轮询选区子集的公民子集,并使用这些数据得出最佳猜测。在统计语言中,所有选区所有公民的可能投票总数称为总体,我们调查的公民和/或选区的子集是样本。总体
代表了世界的潜在真实状态,样本是我们进入这个世界的窗口。
我们通常对总结人口重要属性的具体数量感兴趣。在选举的例子中,这些可能是跨地区的平均投票结果或地区结果之间的标准差。描述群体的数量称为 _ 参数,_ 并且它们通常是不可知的。但是,我们可以使用样本来猜测真实参数值,统计学家将这些猜测称为 _ 估计值。_ 样本均值(或平均值)是总体均值的估计值,这是一个参数。各个参数值的估计也称为 _ 点估计 _,因为每个参数值可以由线上的点表示。
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录