统计学学习周-Datawhale

[任务1]
本次统计学学习以网易云可汗学院公开课为主：
视频链接：http://open.163.com/special/Khan/khstatistics.html
并以《深入浅出统计学》为辅：
书籍链接：https://pan.baidu.com/s/1dCV6rrOWZU-deKxAoectGA
【任务内容】
【学习内容 1】12-26集 统计学基本知识、二项及泊松分布
12 样本和总体概念
样本（sample）
总体（population）
样本均值（the sample mean）
例如:想知道美国所有男性的平均身高，同一时间逐个测量不现实，故可以测量“随机”（具有代表性）的部分美国男性
因此要求总体均值，最好的方法就是选取样本取其平均值
miu 总体均值（the population mean）
x_bar 样本均值（the sample mean）
13 总体数据集的均值和方差[用来表示数据和均值之间的偏离程度]
总体方差（the variance of a population）：每点到总体均值的距离的平方的平均值
14 样本方差（the variance of a sample）不等于总体方差（the variance of a population）
总体方差的无偏估计/无偏样本方差【n-1】，因为取【n】所得是s^2 always underestimate 总体方差
15标准差（the standard deviation of a test）=方差的平方根[同样表示数据和均值之间的偏离程度] 举简例计算
16诸方差公式：简单代数计算之后得到三种等值形式
17随机变量（Random Variable）：表示随机现象各种结果的变量，不同于可求值的传统变量，用大写字母X、Y、Z表示。R.V.实际是一种将随机过程映射到具体数字的函数。
分类：离散型随机变量（discrete R.V.）和掷骰子；抛硬币（结果可列举或者说取值可能性有限：不一定为整数）
连续型随机变量（continuous R.V.）（无限个结果）
18.连续概率分布的概率密度函数（probability density function of continuous probability distribution）
求概率：对概率密度函数进行定积分，积分总和为1
均匀分布 （the uniform distribution）
19-22. 二项分布（the binomial distribution）：重复n次的伯努利实验,每次实验中只有两种可能的结果,二项分布的极限情况是正态分布，并使用Excel计算绘图
例：抛五次硬币，随机变量X表正面出现次数，则X=n的概率
例：投篮时，投中和投不中概率不相等的情况
23期望E(X)本质即总体N区域无穷时的总体均值
24.二项分布的期望E(X)=np的证明
25-26泊松分布：论证泊松过程
通过求极限推导泊松公式并举例
【学习内容 2】27-34集 大数定律, 正态分布
27. 大数定律：样本量足够多时，样本均值趋近于总体均值
********28- 30正态分布/高斯分布（the normal distribution） ：正态分布的概率密度函数是高斯曲线
正态分布和二项分布之间的关系并举例
31.z分数：某值x离均值有多少个标准差远
32.68-95-99.7法则：即正态分布均值左右n个标准差的概率[n=1，68%；n=2，97%；n=3，99.7%]
33.标准正态分布中68-95-99.7法则的应用
34.任何分布都可以计算z分数