简述因果性和相关性的差别：
因果是A导致B，相关只是A和B有关。比如夏天人容易溺水，也会吃冰淇淋，但不能说吃冰淇淋就会溺水。
A/B测试系列文章之A/B测试背后的科学原理 - Jeff的数据科学笔记jeffshow.com
假设检验的基本原理：
假设检验 - MBA智库百科wiki.mbalib.com
（1）反证法：先提出假设，然后确定假设成立的可能性大小，如果可能性太小，就拒绝这个假设。
（2）小概率事件：指小概率事件在一次实验中基本不会发生。
假设检验的两类错误是指哪两类，更害怕哪一类：
第一类错误：拒绝了原假设，但是原假设为真。
第二类：没有拒绝原假设，但是原假设为伪。
更害怕第一类错误。误认为有效是更加可怕的。
什么是中心极限定理：
中心极限定理通俗介绍www.zhuxichi.com
定义：给定任意分布的，样本数量足够大的情况下，独立随机变量的均值可呈现正态分布。
关键点1：任意分布
关键点2：均值
中心极限定理对ABtest的指导意义：
很多指标不是正态分布的，但是只要我们进行重复抽样，这些指标的均值会呈现正态分布。这些指标均值的均值将会成为正态分布的mean，这些指标均值的方差会成为正态分布的variance。确定分布以后，通过观察值我们可以知道事件发生的概率。如果这个随机事件发生的概率很小，我们可以从而拒绝原假设。
统计检验的基本步骤：
Z检验 - MBA智库百科wiki.mbalib.com
（1）建立虚无假设，确定显著性水平。
（2）确立虚无假设成立状态下的概率p。
（3）根据p的大小判断虚无假设是否成立。
如何计算所需要的样本量：
有公式。
解释显著水平：
一个判断的阈值。一般来讲就是0.05，当p值小于0.05时拒绝原假设。
显著性水平和type I error的关系：
相等
解释p值：
小概率事件发生的概率。
p值的分布：
[0,1] 均匀分布。
AAtest：
建议先做AAtest看看p值是否呈均匀分布。
置信度：
1-显著水平
置信区间：
拿到数据以后先做标准化成为N（0，1），找到p值对应的Z分数，再把标准化的Z投射回去（乘以均值的方差，再加减），得到一个Z分数的区间。最后看我们要比较的这个数字是否落在这个区间内。
如何判断是否显著：
A/B测试系列文章之怎么判断实验结果是否显著 - Jeff的数据科学笔记jeffshow.com
利用Z分数，Z分数可以和p值相互推导。
或者把数据标准化以后对应找p值。
如何判断正态性：
胡保强：如何理解正态性检验方法？zhuanlan.zhihu.comQQ图：横轴是标准正态分布的分位数，纵轴是样本值。看是否落在对角线。
均值的假设检验：Z（同方差&异方差）
（1）提出问题，建立假设，确定显著性水平。
（2）计算Z分数，根据Z计算p值。
（3）比较p值和置信水平，从而确定是否要拒绝原假设。
T检验：
Z检验和T检验的差别：
Z方差已知，T方差未知。
Z适合大数据，T适合小数据。
均值的假设检验：单样本T
假设：（1）观测变量属于正态分布
（2）没有异常值
（3）方差是否相等
均值的假设检验：独立样本T（同方差&异方差）
（1）提出问题，建立假设，设立显著性水平。
（2）标准化，计算Z值。
（3）根据Z值计算p值，从而确定是否要拒绝原假设。
如何检测方差齐性：
如果数据是正态分布，F检验。
卡方检验：
使用场景：
T检验和卡方检验 | 网站数据分析webdataanalysis.net
适合两个样本概率间的比较，不需要知道方差。基于二项分布或者是
F检验：
使用场景：
（1）服从正态分布的数据，是否拥有一样的方差。
（2）解释变量与被解释变量的线性关系在总体上是否显著
步骤：
（1）提出问题建立假设，确定置信水平。
（2）计算统计量，确定p值。
（3）p与置信水平进行比较，决定是否拒绝原假设。
4100
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
