机器学习中的数学基础--特征函数与中心极限定理，统计学基本概念，极大似然估计，最大后验估计

特征函数与中心极限定理

特征函数：

中心极限定理：

独立同分布的中心极限定理：

该定理说明，当n很大时，随机变量 近似地服从标准正态分布N(0，1)。因此，当n很大时， 近似地服从正态分布N(nμ，nσ2)．该定理是中心极限定理最简单又最常用的一种形式，在实际工作中，只要n足够大，便可以把独立同分布的随机变量之和当作正态变量。这种方法在数理统计中用得很普遍，当处理大样本时，它是重要工具。

统计学基本概念

p-value：假定值，假设几率

ps.P值不是给定样本结果时原假设为真的概率，而是给定原假设为真时样本结果出现的概率。
α：显著性水平，当原假设正确时，拒绝原假设的概率，1-α为置信度（置信区间）
TP、FP、TN、FN:

α和p-value 的区别：转载：知