老猫的博客

https://www.matongxue.com/madocs/301/例子：开车的时候，如果前面的挡风玻璃坏了，那我们怎么判断什么时候右转，已知这条道路所我们可以通过后视镜观察后面车的动向居然是否右转新的信息出现了，此时如果右转，错误的概率就比之前小很多。这就是贝叶斯定理所阐述的思考方法。数学描述本质理解贝叶斯与人脑机制类似...

https://www.matongxue.com/madocs/808/无偏性有效性进行估计的时候也是，估计量越靠近目标，效果越“好”。这个“靠近”可以用方差来衡量。一致性

假设检验传送门抛硬币假设硬币正反面概率相等，我提出要检验你的假设：看实验的结果是不是和你的假设相符总共扔了两次，都是“花”朝上，虽然几率是0.5×0.5=0.25，但是也正常，继续扔。总共扔了四次，也都是“花”朝上，几率是0.54=0.0625，感觉有点不正常，但是万一是运气呢？继续扔。总共扔了十次，也都是“花”朝上，那我就认为很可能你这枚硬币不是公平的。这就是假设检验：P值假设硬币是公平的情况下如果认为8次以上不正常，则把八次正面的概率，与更极端的九次正面、十次正面的概率加起来：得

各种分布怎么来的当统计学家们开始研究概率分布时，他们看到，有几种形状反复出现，于是就研究他们的规律，根据这些规律来解决特定条件下的问题。泊松分布传送门假设一个馒头店，老板想知道应该准备多少个馒头才能既不浪费又能充分供应？如何采用均值的话不够好，有相当比例的时间不够卖。于是老板思考采用其他的方法把营业时间抽象为一根线段，把这段时间用T来表示，然后把周一的三个馒头（“甜在心馒头”，有褶子的馒头）按照销售时间放在线段上，根据分布把T 均分为四个时间段：在每个时间段，就有点像抛硬币，要不是正面（

依概率收敛https://www.zhihu.com/question/19911209/answer/876481176来源不知道各位在学习概率论之初是不是也有我这样的想法：**在实验次数足够多的情况下，频率就会非常接近概率。**我们也是依此得到了很多事情发生的概率，比如说抛硬币、等等。最典型的诸如蒲丰投针计算圆周率。那么这个式子不就是这样的吗：但依概率收敛告诉你这样是不严谨的。以抛硬币为例，假如说我们实验的次数已经非常大了，那么这个概率的值可能会像下图蓝线一样波动。所以说，随着实验的进行，