這樣記錄東西沒有任何意義，研究一下起源，應用，多帶思考才有價值
（1）小數定律：
（2）大數定律：
給定任意乙個分布的總體，我每次從這些總體中隨機抽取n個抽樣，一共抽m次。然後把這m組抽樣分別求出平均值，平均值近似服從正太分布
樣本x落在區間 a~b的概率是一樣的。x的概率密度為
$$f(x)=\frac$$
樣本的結果只有兩種。例如拋硬幣，非0即1。
做n次伯努利實驗，每次結果只有0，1。如果n=1的話顯然是伯努利分布
$$p(x=k)=c_^p^(1-p)^$$
假設我們已知樣本出現次數的均值為λ，則在一定時間內樣本發生的次數，這種樣本的概率分布也叫做泊松分布，其屬於離散分布。
$$p(x=k)=e^\frac}}$$
若乙個樣本在單位時間內發生的期望已知λ，則其在時間t內發生的概率分布為指數分布
$$p(t)=1-e^$$
概率密度函式
$$f(x,\lambda,k)=\begin
\frac (\frac)^e^}& x\geqslant 0\\
0&x< 0
\end$$
中心極限定理與大數定理
1 什麼是中心極限定理。中心極限定理指的是給定乙個任意分布的總體。我每次從這些總體中隨機抽取 n 個抽樣，一共抽 m 次。然後把這 m 組抽樣分別求出平均值。這些平均值的分布接近於圍繞總體均值的乙個正態分佈。因此可以根據多個樣本均值的均值近似得出總體的均值估計。其中要注意的幾點 總體本身的分布不要求...
中心極限定理 講講中心極限定理
今天我們來聊聊統計學裡面比較重要的乙個定理 中心極限定理，中心極限定理是指 現在有乙個總體資料，如果從該總體資料中隨機抽取若干樣本，重複多次，每次抽樣得到的樣本量統計值 比如均值 與總體的統計值 比如均值 應該是差不多的，而且重複多次以後會得到多個統計值，這多個統計值會呈正態分佈。還是直接來看例子吧...
中心極限定理
中心極限定理是統計學中又一非常重要的性質。什麼是中心極限定理，為了很直觀的理解它我就通過舉例的方式來進行說明。假設有乙個總體t，現在我從t中隨機抽取k個含有n個元素的樣本s,s1,s2,sk 每個樣本s1 x1,x2.xn s2 x1,x2,xn sk x1,x2,xn 每個樣本的均值為x1，x2,...