图解统计学 03 | 总体均值，方差，标准差
一、均值
书接上文
假设我们已经拿到大约 2400 亿个细胞的X基因表达值。
我们接下来，要计算总体均值与估计总体均值。
使用实际的2400亿个细胞计算均值，也就是总体均值（Population Mean）
从总体中抽样 5 个样本，就能计算估计均值（Estimated Mean）：
统计学中，用符号 x-bar 来表示估计均值，也叫样本均值（Sample Mean）
使用希腊符号 μ 来表示总体均值（Population Mean）
可以从上图看到，样本均值与总体均值不同，但是随着测量越来越多的数据，x-bar会越来越接近μ。
二、方差、标准差
方差和标准差，代表数据在总体均值周围的分布情况，计算总体方差的公式：
- x-μ， 代表从每个数据 x 中减去总体均值 μ。
- x-μ 取平方，为了保证每个差异非负
- 将每个样本的差异 (x-μ)^2，求和，
- 除以样本数，为的是平均化平方后的差异
利用公式去计算，实际数据中的总体方差：
因为每个数据都是经过平方的，所以方差的单位是X基因表达量的平方。
但是X轴上的单位并没有平方，所以在X轴上不能绘制方差。
为了解决这个问题，我们幼儿园的知识告诉我们，只要对每一项平方根就行：
也就得到了总体标准差，很容易得到它的值：
好，目前我们就可以利用均值和标准差来绘制正态分布曲线了：
总体方差和标准差来决定曲线的宽度，反应数据如何分布在总体均值周围
但是，在实验中，我们不可能去一一测量2400亿个细胞，总体数据几乎不可能拿到。
所以，我们几乎不计算总体均值，总体方差，总体标准差。
一般是用小样本来估计总体均值，方差，标准差。
但是，在做实验的时候，看到的只是一堆数据，比如这样：
可以很轻松的获得这一堆数据的均值
但是，难受的是，我们根本看不到曲线或者总体均值
这个时候就需要估计总体均值，
给出计算公式：
n-1 是为了弥补我们计算的样本平均值而不是总体平均值的差异，否则会一直低估总体均值的方差。
为什么要除以 n-1？
这是因为实验数据和样本平均值之间的差异，往往小于数据和总体均值之间的差异。
反应在曲线上：
x-bar 值会在μ的左右来回摆动，随着数据量的增多，无限接近μ
根据数据计算估计总体方差和标准差：
现在有了这些参数就可以画曲线了：
与开始利用2400亿总体数据绘制的曲线比对下，可以发现我们实验与真实分布离的并不远：
到目前为止，我们利用5个实验数据完成了估计总体数据，而且结果还不错，这样节省我我们大量的经历和时间。
三、总结
- 如果我们有一个群体的所有数据，就可以直接计算总体均值。
- 当没有群体全部数据时，可以利用部分样本数据使用相同的公式来估计总体均值。
- 同样的，我们有一个群体的所有数据，就可以直接计算总体方差和标准差。
- 当没有群体全部数据时，就不能用总体方差和标准差的公式了，这时候需要考虑用 n-1 去抵消样本平均值为总体均值说产生的差异。
参考：
https://www.youtube.com/channel/UCtYLUTtgS3k1Fg4y5tAhLbw
我的CSDN： 从零开始学统计 03 | 均值，方差，标准差
文章被以下专栏收录
