佚名统计学家公式

1 热力学第零定律：如果两个热力学系统中的每一个都与第三个热力学系统处于热平衡(温度相同)，则它们彼此也必定处于热平衡。

如果不限于定律的话，化学上有很多合成的物质的名称都可以算的= =

聚甲基丙烯酸甲酯，其实就是那种打不碎的有机玻璃，球场上的篮板应该就是这个做的。

2 聚丙烯酸钠，小时候玩的那种水精灵，放水里可以养大的，其实就是利用了它吸水的能力。

3 谷氨酸钠，味精。

4 甲基苯丙胺，嗯这个不说，不然要被水表了。

再说几个我知道的数学上的例子。

1 中国剩余定理，说的很复杂，其实说起一个古典的例子大家就都知道了

有物不知其数，三三数之剩二，五五数之剩三，七七数之剩二。问物几何？

其实就是计算这个的推广版。

2 洛必达法则，其实就是根据情况对分子分母进行求导。但是证明洛必达法则还是比较的有意思的。

3 戴德金分割，其实是在实数轴上划了一道墙分开两个部分，但是这个定理确是非常重要的。

4 柯西-黎曼方程，是复变函数中判断一个复变函数是否解析的条件之一，实际上用起来就是求四个偏导数进行验证。

5 环，代数中一个非常重要的概念，其实指的就是一类包含两种运算的代数系统。

6 线性空间与向量空间，第一次听起来非常的高大上，这个空间是什么呢，原来是指满足对加法和数乘封闭的向量集合构成的东西，比如说两个线性无关的向量可以组成一个平面什么的。

7 佚名统计学家公式，是计算复合随机变量函数期望的一个公式。

8 超几何分布，一直没懂为什么不放回抽样的分布计算要叫这个名字。

9 代数学基本定理，其实描述的就是复系数一元n次多项式方程在复数域上有n个根，重根按重数计，比如说一元二次方程在复数范围内一定是两个根的。

代数上真的好多这些概念啊QAQ，据说实变函数上还有更多

u检验是已知一个正态总体的方差б1，用给定的一组样本x1、x2，…，xn,检验总体均值μ2是否等于已知常数μ1的统计检验法。

u检验是已知一个正态总体的 方差б2，用给定的一组样本x1、x2，…，xn,检验总体 均值μ是否等于已知常数μ0的统计检验法。其检验步骤如下：①提出统计假设H0: μ=μ0；②计算样本均值及u；③按给定的显著水平 ，查 正态分布表求值；④进行 统计推断。

检验

t检验（Student's t test）是指虚无假设成立时的任一检定统计有学生t-分布的统计假说检定，属于母数统计。

t检验可分为单总体检验和双总体检验，以及配对样本检验，主要应用于比较两个平均数的差异是否显著。

适用条件

(1) 已知一个总体均数；

(2) 可得到一个样本均数及该样本标准差；

(3) 样本来自正态或近似正态总体。

主要分类

t检验可分为单总体检验和双总体检验，以及配对样本检验。

单总体检验

单总体t检验是检验一个样本平均数与一个已知的总体平均数的差异是否显著。当总体分布是正态分布，如总体标准差未知且样本容量小于30，那么样本平均数与总体平均数的离差统计量呈t分布。

单总体t检验统计量为：

其中为样本平均数，为样本标准偏差，n为样本数。该统计量t在零假说：μ=μ0为真的条件下服从自由度为n1的t分布。

双总体检验

双总体t检验是检验两个样本平均数与其各自所代表的总体的差异是否显著。双总体t检验又分为两种情况，一是独立样本t检验（各实验处理组之间毫无相关存在，即为独立样本），该检验用于检验两组非相关样本被试所获得的数据的差异性；一是配对样本t检验，用于检验匹配而成的两组被试获得的数据或同组被试在不同条件下所获得的数据的差异性，这两种情况组成的样本即为相关样本。

（1）独立样本t检验统计量为：

S12和 S22为两样本方差；n1和n2为两样本容量。

（2）配对样本检验

配对样本t检验可视为单样本t检验的扩展，不过检验的对象由一群来自常态分配独立样本更改为二群配对样本之观测值之差。若二配对样本x1i与x2i之差为di=x1ix2i独立，且来自常态分配，则di之母体期望值μ是否为μ0可利用以下统计量：

其中为配对样本差值之平均数，为配对样本差值之标准偏差，n为配对样本数。该统计量t在零假说：μ=μ0为真的条件下服从自由度为n1的t分布。

x检验

是计数资料主要的显著性检验方法。用于两个或多个百分比(率)的比较。常见以下几种情况：四格表资料、配对资料、多于2行2列资料及组内分组X2检验。

1、计划完成相对数：计划完成相对数={(实际完成数据）/[计划（定额）数据]}100%；

2、结构相对数：结构相对数=某一构成部分的例数/各构成部分例数之和×100 （32）；

3、比例相对数：比例相对数=总体中某一部分数值/总体中另一部分数值；

4、比较相对数：比较相对数（%）=甲地区（单位）某类现象的水平/乙地区（单位）同类现象的水平×100%或=总体的一个组（部分）/总体的另一个组（部分）×100%；

5、动态相对数：动态相对数=（报告期水平/基期水平）╳100%；

6、强度相对数：强度相对数=某现象的发生数/可能发生某现象的总数×100℅（或1000‰）。

统计学相对指标的作用：

1、相对指标通过数量之间的对比，可以表明事物相关程度、发展程度，它可以弥补总量指标的不足，使人们清楚了解现象的相对水平和普遍程度。例如，某企业实现利润50万元，实现55万元，则利润增长了10%，这是总量指标不能说明的。

2、把现象的绝对差异抽象化，使原来无法直接对比的指标变为可比。不同的企业由于生产规模条件不同，直接用总产值、利润比较评价意义不大，但如果采用一些相对指标，如资金利润率、资金产值率等进行比较，便可对企业生产经营成果做出合理评价。

3、说明总体内在的结构特征，为深入分析事物的性质提供依据。例如计算一个地区不同经济类型的结构，可以说明该地区经济的性质。又如计算一个地区的第一、二、三产业的比例，可以说明该地区社会经济现代化程度等。

P值即概率，反映某一事件发生的可能性大小。统计学根据显著性检验方法所得到的P 值，一般以P < 005 为有统计学差异， P<001 为有显著统计学差异，P<0001为有极其显著的统计学差异。

P<005时，认为差异有统计学意义”或者“显著性水平α=005”，指的是如果本研究统计推断得到的差异有统计学意义，那么该结果是“假阳性”的概率小于005。

扩展资料：

P值的计算：

一般地，用X 表示检验的统计量，当H0为真时，可由样本数据计算出该统计量的值C，根据检验统计量X的具体分布，可求出P值。具体地说：

左侧检验的P值为检验统计量X 小于样本统计值C 的概率，即：P = P{ X < C}

右侧检验的P值为检验统计量X 大于样本统计值C 的概率：P = P{ X > C}

双侧检验的P值为检验统计量X 落在样本统计值C 为端点的尾部区域内的概率的2 倍：P = 2P{ X > C} (当C位于分布曲线的右端时) 或P = 2P{ X< C} (当C 位于分布曲线的左端时) 。

若X 服从正态分布和t分布，其分布曲线是关于纵轴对称的，故其P 值可表示为P = P{| X| > C} 。

计算出P值后，将给定的显著性水平α与P 值比较，就可作出检验的结论：

如果α > P值，则在显著性水平α下拒绝原假设。

如果α ≤ P值，则在显著性水平α下不拒绝原假设。

在实践中，当α = P值时，也即统计量的值C刚好等于临界值，为慎重起见，可增加样本容量，重新进行抽样检验。