《不确定分析》课件.pptVIP

**************为什么需要不确定分析？决策优化不确定性分析可以帮助我们更科学地进行决策，提高决策的效率和准确性。风险评估不确定性分析可以帮助我们识别和评估风险，并采取相应的措施来应对风险。预测未来不确定性分析可以帮助我们更好地预测未来，并为未来制定合理的计划。不确定性的来源1数据误差数据采集和测量过程中的误差，导致数据本身存在不确定性。2模型简化模型无法完全捕捉现实世界的复杂性，导致模型预测存在误差。3外部环境变化市场环境、政策变化等因素会影响预测结果，导致结果不确定性。随机变量和概率密度函数随机变量随机变量是指其取值无法预先确定，而取决于随机事件的结果的变量。例如，抛硬币的结果可以是正面或反面，这是一个随机变量。概率密度函数概率密度函数描述了随机变量取值的可能性。它是一个函数，其横轴表示随机变量的取值，纵轴表示该取值的概率密度。示例例如，抛硬币的结果可以是正面或反面，概率密度函数可以表示为一个阶跃函数，其中正面和反面的概率密度分别为0.5。概率密度函数的性质非负性概率密度函数始终大于或等于零。积分性质概率密度函数在整个定义域上的积分等于1。概率计算概率密度函数可以用来计算随机变量落在特定区间内的概率。期望值和方差期望值随机变量所有可能取值的加权平均值，反映随机变量的中心位置。方差随机变量与其期望值之差的平方值的加权平均值，反映随机变量的离散程度。相关性和协方差相关性相关性衡量两个变量之间线性关系的强度和方向。相关系数取值范围为-1到1。正相关表示两个变量同时增加或减少。协方差协方差衡量两个变量的共同变化趋势。协方差的符号反映了变量之间的关系。协方差可以是正的、负的或零。正态分布正态分布是一种常见的连续概率分布，也称为高斯分布。它在自然科学、社会科学和工程学中有着广泛的应用。正态分布的图形呈钟形，其中心为平均值，两侧是对称的。正态分布的形状由平均值和标准差决定。平均值决定了分布的中心位置，标准差决定了分布的形状。标准差越大，分布越扁平，标准差越小，分布越尖锐。正态分布的性质对称性正态分布曲线关于平均值对称。峰度正态分布曲线呈钟形，峰值在平均值处。标准差标准差决定了曲线的宽度，标准差越大，曲线越平缓。频率分布直方图频率分布直方图是一种图形，它将数据分成不同的组，并在每个组的范围内显示数据点的数量。直方图的横轴表示数据的范围，纵轴表示每个组中的数据点数量。直方图可以帮助我们了解数据的分布情况，例如数据的中心位置、离散程度以及是否有异常值。频率分布累积曲线频率分布累积曲线也称为累积频率曲线，它显示了数据集中小于或等于某个特定值的观测值的百分比。它显示了数据分布的形状和趋势，帮助我们了解数据集中不同值出现的概率。它可以用于识别数据集中不同值出现的概率，以及识别数据集中不同值出现的频率。它可以用于分析数据的趋势和规律，以及识别数据集中不同值出现的概率。抽样理论从总体中选取一部分样本，并通过对样本的分析来推断总体的特征。样本的统计量可以用来估计总体参数，例如样本均值可以用来估计总体均值。抽样理论为我们提供了一套方法，可以根据样本数据推断总体特征。中心极限定理1样本均值分布近似于正态分布2样本量增加近似程度越高3总体分布任何分布点估计和区间估计1点估计使用样本数据计算的单个值，用来估计总体参数。2区间估计根据样本数据计算的总体参数的范围，表示估计值的置信度。假设检验前提假设假设检验基于对总体参数的假设，并通过样本数据检验该假设是否成立。检验目标目的是判断样本数据是否支持或反对原假设。显著性水平设定显著性水平（α）来控制错误拒绝原假设的概率。假设检验的步骤1提出假设基于研究问题，提出零假设和备择假设。2收集数据通过实验或观察收集相关数据。3选择检验统计量选择合适的统计量来检验假设。4确定显著性水平设定拒绝零假设的概率阈值。5计算检验统计量根据收集的数据计算检验统计量的值。6比较p值和显著性水平将p值与显著性水平进行比较，得出结论。7得出结论根据比较结果，决定是否拒绝零假设。方差分析数据比较方差分析用于比较多个样本的均值，以确定它们之间是否存在显著差异。因素影响通过分析数据方差，方差分析能够识别不同因素对变量的影响程度。假设检验利用统计检验方法，方差分析可以验证不同组别均值之间的差异是否具有统计学意义。简单线性回归分析变量间线性关系建立一个直线模型，通过自变量来预测因变量。解释变量影响了解自变量的变化对因变量的影响程度。预测未来趋势基于模型，预测未来自变量变化对