面向面试的机器学习知识点（2）——数理统计

本期省流版：成为数据分析师，这些数理统计知识必不可少！

1. 大样本，小样本的概念

2. 协方差、相关系数、独立性之间的区别与联系

3. 显著性水平 / 置信度 / 置信区间

4. 假设检验

5. 三种经典分布，和对应的三种检验方式

6. 方差分析

7. 中心极限定理，大数定理

内容很多，创作不易，请多多支持~ 

---

大样本 / 小样本

1. 大样本：样本量趋于无穷

2. 小样本：样本量有限

协方差 / 相关系数 / 独立性

协方差

1. 定义：两个变量总体的误差，反映两个变量之间的变化趋势（eg. 一个上升，另一个也上升，则协方差为正值）

2. 特点：协方差的取值范围是负无穷到正无穷，无法直观地判断两个变量之间的相关性强弱.

相关系数

1. 定义：相关系数是协方差的标准化版本，它表示的是两个变量之间的线性关系强度和方向。

2. 取值范围：[-1, 1]，接近1表示变量之间存在强正相关，接近-1表示变量之间存在强负相关，接近0表示变量之间不存在线性关系。由于样本标准差为正，相关系数和协方差同号。

独立

1. 定义：联合概率分布 = 各自的边缘概率分布的乘积

2. 辨析：协方差 = 0 ——> 不相关、相关系数 = 0，不能推出彼此独立

3. 协方差是相关系数的分子，相关系数反映变量线性相关性

4. 线性不相关的变量之间可能存在非线性的影响，因此并不一定是独立的。只有当两个变量既不相关又相互独立时，才能确保它们之间没有任何关系。

显著性水平 / 置信度 / 置信区间

定义：第一类错误的概率也称为显著性水平α，置信度 = 1 - α。置信区间是参数范围（分位数）

置信区间大小的影响因素

1. 样本大小：样本量越大，置信区间越窄。

2. 置信水平：置信水平越高，置信区间越宽。

3. 样本标准差：标准差越大，置信区间越宽。

假设检验是什么？

假设检验：

1. 定义：检测实验组与对照组之间是否存在差异以及差异是否显著的办法。在检验之前先确定假设，一般把要检验的假设设为原假设H0，对应的为备