在 Python、Bootstrap、Jackknife、Monte Carlo 中重采样分布

一、说明

   概率分布向我们展示了不同结果发生的概率。此分布非常有用，因为它描述了统计量的所有可能结果以及每个结果的可能性。我们可以用直方图或密度图来可视化概率分布。为了读取可视化并找到给定点的概率，我们在 x 轴上选择一个值，然后在 y 轴上找到相应的高度，这表示给定点的密度。

   我们可以以智商为例来说明这个过程。我们知道智商遵循正态分布，平均值为 100，标准差为 15。当我们创建群体中智商分数分布的可视化时，我们可以看到 95% 的值落在平均值的两个标准差内。或者，用概率的语言来说，我们可以说，从人群中随机抽样的人有 95% 的概率智商在 70 到 130 之间。这是概率分布的许多用例：绘制具有不同参数的事件可能性的图表。

二、中心极限定理

   为了更好地理解概率分布，我们首先回顾了所谓的中心极限定理。中心极限定理指出，如果我们有一个总体，其平均值（称为 μ，发音为 mu