目錄
1 描述性統計
1.1 描述集中趨勢
變異係數是無單位指標(無量綱量)
移動平均其實就可以用來反應整體趨勢
1.2 描述離散趨勢
1.3 分佈
總體方差和總體標準差
樣本方差和樣本標準差
1 爲什麼樣本方差的分母是 n-1
Note：說明用分母爲n的總體方差公式計算的樣本方差會低估數據總體的波 動程度
概率分佈：每種分佈的場景和意義
2 推斷性統計
理論基礎是大數定律，大量抽樣樣本的分佈符合正態分佈。
2.1 參數估計
抽樣分佈
均值估計
方差估計
z分佈和t分佈是講均值的分佈的，卡方或者F分佈是說方差的分佈的。
怎樣用樣本參數 推斷 總體參數
2.2 假設檢驗
描述不同的區間多大程度上是可信的
4 相關分析：
4.1 迴歸分析
迴歸模型就是因變量和自變量的關係是直線的。
一元就是一個自變量，多元就是多個。一元迴歸模型是直線，多元就是超平面
Note: 非線性迴歸就是因變量和自變量關係不是直線，可以是邏輯迴歸那種曲線也可以是多項式那種曲線。
怎樣選擇 迴歸模型？ 線性迴歸，多項式迴歸，邏輯迴歸
4.1.1 一元線性迴歸
a，b參數估計方法即模型的確認方法，其主要包括兩種方法：最小二乘法，極大似然法
4.2 時間序列分析
5 其他
計學習方法包括模型的假設空間、模型選擇的準則及模型選擇的算法，稱爲統計學習方法的三要素，簡稱模型（model）、策略（strategy）和算法（algorithm）
5.2 協方差
協方差表示的兩個隨機變量之間的相關性關係的，還有一個類似的是相關係數。
可以通俗的理解爲：兩個變量在變化過程中是同方向變化？還是反方向變化？同向或反向程度如
何？
你變大，同時我也變大，說明兩個變量是同向變化的，這時協方差就是正的。
你變大，同時我變小，說明兩個變量是反向變化的，這時協方差就是負的。
從數值來看，協方差的數值越大，兩個變量同向程度也就越大。反之亦然。
9 參考資料
[人人都會數據分析]