【总目录】——概率论与数理统计及Python实现

注：这是一个横跨数年的任务，标题也可以叫做“从To Do List上划掉学习统计学”。在几年前为p值而苦恼的时候，还不知道Python是什么；后来接触过Python，就喜欢上了这门语言。统计作为数据科学的基础，想要从事这方面的工作，这始终是一个绕不过去的槛。

其实从中学就开始学习统计学了，最早的写"正"字唱票（相当于寻找众数），就是一种统计分析的过程。还有画直方图，求平均值，找中位数等。自己在学校里并没有完整系统的学习过概率论和数理统计，直到在工作中用到，才从最初的印象中，逐渐把这门学科与整个数学区分开来。自从认识到这门学科在自己从事的工作（数据分析）中所处的重要地位，真没少花时间在这方面的学习上。从最初的p值的含义，到各种分布，假设检验，方差分析。。。有的概念看过很多遍，但还是没有理解透彻；有的看过，长时间不用，又忘记了。总之，这一路走来，实在是崎岖坎坷。因此，打算在最近专门抽出一段时间对自己学习过的《概率论与数理统计》做一个小结，也算是对自己的一个交代。在这里放个目录，后面会不断更新。期待跟喜欢Python和数据分析的朋友一起交流，相互学习。

这个小结主要包括以下几个方面：

• 基本概念；
• Python的实现；
• 一些比较经典的例子。

概率论

---

01. 概率论中的基本概念

02. 随机变量概述

03. 一维离散型随机变量及其Python实现

04. 一维连续性随机变量及其Python实现

05. 随机变量的数字特征

数理统计

---

06. 大数定律及中心极限定理

07. 统计学中的基本概念

08. 三大抽样分布

09. 参数估计

10. 参数假设检验

11. 拟合优度检验（非参数假设检验）

12 方差分析

13. 回归分析

拾遗

---

A1. 全概率公式和贝叶斯公式

参考资料

---

中国大学MOOC：浙江大学，概率论与数理统计

中国大学MOOC：哈尔滨工业大学，概率论与数理统计

https://docs.scipy.org/doc/scipy/reference/stats.html

《概率论与数理统计》，陈希孺，中国科学技术大学出版社