统计学：数据和抽样分布

1. 随机抽样和样本偏差

• 样本：大型数据集的一个子集，一般用 n 表示其规模
• 总体：大型数据集，一般用 N 表示其规模
• 随机抽样：从总体中随机抽取元素到样本中，分为有放回和无放回
• 分层抽样：对总体分层，并在每层中做随机抽样
• 简单随机抽样：不经过分层的随机抽样
• 样本偏差：样本对总体做出了错误的解释

1. 偏差

• 统计偏差是一些系统性的测量误差或抽样误差，是在测量或抽样过程中产生的。应严格区分由随机选取所导致的误差和由偏差所导致的误差。如果结果确实存在偏差，通常表明我们指定了不正确的统计学或机器学习模型，或是漏掉了某个重要的变量。

2. 随机选择

• 首先需要正确地定义可访问的总体，然后确定抽样过程，是否需要分层抽样等

3. 样本均值与总体均值

• 样本均值一般用$\overline{x}$表示，总体均值一般用 $\mu$表示

2. 选择偏差

• 选择偏差是指以一种可导致误导性或短暂性结论的方式，有选择性地选取数据的操作。选择偏差可能是有意而为之，也可能是无意识的
• 趋均值回归：指对同一变量做连续测量时出现的一种现象，即在极端观测值后，会出现更趋向于中心的观测值。

3. 统