书：pan.baidu.com/s/1UtoEsfQDHJqcL7zpdvFP-Q
提取码：oq5x
我的阅读笔记：
- 基本概念：样本空间和事件： 样本空间是一个包含所有可能结果的集合，事件是样本空间的子集。 概率： 概率是事件发生的可能性的度量，通常用0到1之间的数值表示。
- 随机变量和概率分布：随机变量： 代表试验结果的变量，其取值依赖于试验的随机性。 概率分布： 描述随机变量可能取值的概率的函数。
- 描述性统计：均值和中位数： 描述数据集中心趋势的统计量。 标准差和方差： 表示数据集的离散程度或变异性的度量。
- 概率分布类型：正态分布： 对许多自然现象的分布进行建模的常见分布。 二项分布： 描述二元试验成功的次数的分布。 泊松分布： 描述单位时间或空间内事件发生次数的分布。
- 统计推断：参数估计： 从样本中推断总体参数的值，包括点估计和区间估计。 假设检验： 用于评估关于总体参数的假设，包括零假设和备择假设。
- 回归分析：简单线性回归： 描述两个变量之间线性关系的方法。 多元线性回归： 描述多个变量之间关系的方法。
- 概率统计的应用：生物统计学： 在医学和生物学领域中使用统计方法进行实验设计和结果分析。 金融统计学： 在金融领域中使用统计方法对投资和风险进行建模。 工程统计学： 在工程领域中使用统计方法进行质量控制和可靠性分析。
- 大数据和机器学习：统计学习： 将统计方法应用于机器学习算法的开发和理解。 贝叶斯统计： 一种概率统计的分支，强调概率在更新信息中的作用。