统计学是数据分析基石，学它助你科学看数据、接近真相

众人皆知，统计学乃是数据分析的基石，学了统计学，你会发觉很多时段的分析并非那般精准，像好多人爱用平均数去剖析一个事物的结果，然而这常常是粗糙的，而统计学能够助力我们以更科学的视角看待数据，逐步趋近这个数据背后的“真相”，大部分的数据分析，都会运用到统计方面的如下知识，可着重学习：

阅读路线：

01 概率介绍

概率是对于某一特定事件可能性的数值度量，其在0至1之间。我们抛一枚硬币，有正面朝上与反面朝上两种结果，常用样本空间S表示，S等于{正面，反面}，正面朝上这一特定试验结果称作样本点。对于样本空间少的试验，我们极易观察出它们样本空间的大小，对于较复杂的试验，我们就需要学习一些计数法则了。

计数法则

若一个试验能够被划分成按顺序排列的k个步骤，于第1步存在N1种试验结果，于第2步存在N2种试验结果，依此类推，那么所有试验结果的总数是N1*N2*N3...*Nk。

扔两颗硬币，头一颗存在正面与反面这两种情形，第二颗有着正面和反面这两种状况，因而试验结果的总数是二乘二等于四 。

从N项中任取n项的组合数

不是平常所见到的N和n上下位置那样，这里N和n上下位置是相反的，原因在于这里是以欧美规范作为主要依据的。

举例子：从5个彩色球中，选出2个彩球，有多少种选法？

从N项中任取n项的排列数

举例子：从5个彩色球中，选出2个彩球，有多少种排列方法？

代入得出答案是20种

事件及其概率

样本空间实则存在一个子集，此子集便是事件，一般而言，倘若可以明确一个试验的所有样本点，而且能够清楚晓得每个样本点的概率，那么我们便能够计算出事件的概率。

事件A的补，表示的是那些所有不包涵于事件A之中的样本点，因此事件A产生的

概率   P(A)=1-P(A-)

事件的组合：并和交

此重叠部分能够被称作交。

得出加法公式为：

表示两个圆形面积的 P(A∪B) 等于蓝色圆面积 P(A) 加上橙色圆面积 P(B) 再减去重叠区域面积 P(A∩B)，因为将 P(A) 与 P(B) 相加时会多出一块重叠区域，所以要减去 P(A∩B) 进行修正才能得出正确的结果。

若存在某个事件A，其发生可能性受另一事件B影响，这时该A发生可能性称作条件概率，将其记为P(A|B)。此表明我们考虑A发生可能性是在B条件已然发生情况下，在统计学里被称作给定条件B时事件A的概率。

进而又得出了乘法公式：

笼统而言，贝叶斯定理是这样的，我们预先设定一个事件出现的几率，接着寻获一则信息，最终推导出在此信息状况下该事件发生的概率。

以生活里我们身边的情况为例，当我们与一个被怀疑有做坏事行径的人展开交流时，最初我们设定他做坏事的可能性为a，之后依据和他对话所获取的信息，进而形成对他全新的认知，再重新判定他做坏事的概率为b。

贝叶斯就是阐述了这么一个事实：

新信息出现后B的概率=B的概率 X 新信息带来的调整

若正逢直接去计算P(A)显得颇为困难之际，然而P(Bj)以及P(A|Bj) （其中j = 1,2,...）的计算却是相对简单之时，那么能够借助全概率公式来计算P(A)。

思想是，把事件A分解成几个小事件，通过求小事件概率，接着相加来求得事件A的概率，在将事件A进行分割时，不是直接对A分割，而是先找到样本空间Ω的一个个划分B1，B2，...Bn，这样事件A就被事件AB1，AB2，...ABn分解成了n部分，也就是A=AB1+AB2+...+ABn，每一Bj发生都可能致使A发生相应概率是P(A|Bj)，由加法公式得。

P(A)等于P(AB1)加上P(AB2)，再加省略号，一直加到P(ABn)。

这是一个由多个部分组成的式子，它是这样表示的，等于概率A发生在条件B1成立下的概率乘以条件B1成立的概率，加上概率A发生在条件B2成立下的概率乘以条件B2成立的概率，一直这样加下去，加到概率A发生在条件Bn成立下的概率乘以条件Bn成立的概率 。

所以调整后的贝叶斯公式为：

02 离散型概率分布和连续型概率分布

概率里，一般把试验的结果称作随机变量，随机事件把会出现的每一个试验结果都给予了一个数值，它可分成离散型随机变量，以及连续型随机变量。

由于随机变量能够选取不一样的值，所以统计学家运用概率分布去描述随机变量选取不同值时的概率，与之相对应的，存在离散型概率分布以及连续型概率分布。

数学期望和方差

随机变量中心位置的一种度量是数学期望，每次试验之中每一个有可能出现的结果，都要乘以其结果所对应的概率，然后将这些乘积进行一个相加得到总和就是它了，简单讲，在概率范畴之内它就是平均值 。

方差随机变量的变异性或者是分散程度的度量。

其中的u就是E(x).

离散型概率分布

存在一种离散型的概率分布，它被叫做二项分布。顾名思义，二项意味着它存有两种可能会出现的结果，把其中一种称作成功，另一种则称作失败。

它除了结果要有规定，还得满足别的性质，所做试验的每次成功概率都是一样的，记成p，失败概率同样一样，是1 - p，每次试验都必须相互独立，这种试验称作伯努利试验，重复n次就是二项概率。掷硬币属典型二项分布。当要计算抛硬币n次，恰好有x次正面朝上的概率时会用到二项分布公式：句号应适当调整顺序使句子更通顺，比如：它除了结果要有规定，还得满足别的性质，所做试验每次成功概率都是记成p的一样的，失败概率同样是1 - p的一样的，这种每次试验都必须相互独立试验称作伯努利试验，它重复n次就是二项概率 掷硬币是典型二项分布。要计算抛n次硬币恰好有x次正面朝上概率时可用二项分布公式：此时我们可以将“所做试验每次···的一样的”拆分为“所做试验每次成功概率都是一样的，记为p，失败概率同样是一样的，为1 - p”，使逻辑更清晰

并且，二项概率存在数学期望，其等于E(x) ，而E(x) 等于np ，同时，二项概率还有方差，方差为Var(x) ，且Var(x) 等于np(1 - p) 。

泊松概率，是又一个常会用到的离散型随机变量的结果显示，其侧重于估计，某种在特殊限定的时间范畴内，或者特定空间限度区间里，出现并发生的次数，像是，一天之内，出现中奖情况的数量个数，以及，一个月之中，某一台机器出现损坏状况的次数场次等等 。

对于泊松概率而言，其成立条件为，在任意两个长度相等的区间当中，时间所发生的概率是一样的，而且，事件是否发生，都是相互独立的。

泊松概率所指的是，事件于一个区间发生的次数，在此处，这个次数不存在上限，x的取值能够无限大，唯一的情况是可能性无限趋近于0，而f(x)的最终数值很小 。

x代表发生x次，u代表发生次数的数学期望，概率函数为：

其中泊松概率分布的数学期望和方差是相等的。

连续型概率分布

上述那些分布全都是离散概率分布，一旦随机变量属于连续型，情形便全然不同了，由于离散概率的实质是求取x等于某一特定值时的概率，然而连续随机变量并非如此，它具备能够无限分割的特征，在其取某个值的时候概率近乎为0，连续变量所指的是随机变量于某个区间去取值时的概率，此刻的概率函数被称作概率密度函数。

随机变量x在任意两个子区间的概率是相同的。

均匀概率密度函数

数学期望

方差

连续型随机变量里，正态概率分布是最为重要的分布 ，世界上相当大比例的分布都归属于正态分布 ，人的身高体重如此 ，考试成绩这般 ，就连降雨量也是近似服从这种分布 。

有这样一种分布态势，其类似呈现为钟形曲线的正态分布，它具备中间高的特征，同时两边低，并且左右是相对称的，要是去想象身高体重、考试成绩等情况，是否都展现出大部分数据集中于某处，以及小部分往两端倾斜这样共同的分布态势呢： 。

正态概率密度函数为：

u所代表的是均值，σ所代表的是标准差，二者不同的取值，将会造成正态分布呈现不同的形状，均值意味着正态分布在左右方向上出现偏移，标准差决定了曲线具备怎样的宽度以及平坦程度，标准差越大，那么曲线就会越平坦。

一个正态分布的经验法则：

在正态随机变量当中，存在着这样的情况，有69.3%的该变量的值，处于均值加上一个标准差与均值减去一个标准差所构成的范围之内；有95.4%的该变量的值，处于均值加上两个标准差与均值减去两个标准差确定的范围内；有99.7%的该变量的值，处于均值加上三个标准差与均值减去三个标准差形成的范围内。

对于正态分布而言，存在这样一个情况，其均值u等于0，且标准差σ等于1，这样的正态分布被称作标准正态分布，该标准正态分布的随机变量是用z来表示的，然后把均值以及标准差代入到正态概率密度函数当中去，进而得到了一个简化的公式：

想要计算概率，就得去学习一个全新的函数，这个函数称作累计分布函数，它乃是概率密度函数施行积分之后所形成的结果 。 用P(X