1. 前提介绍：
为什么需要统计量？（统计量：设X1，X2，....,Xn为来自总体X的样本，g(x1,x2,...,xn)为n元函数，如果g中不含任何未知参数，则称g(X1,X2,...,Xn)为样本X1，X2，...,Xn的一个统计量，它描述数据特征）
1.1 集中趋势衡量：
1.1.1 均值（平均数、平均值）（mean）
=
例如：{6,2,9,1,2} （6 + 2 + 9 + 1 +2）/5 = 20/5 = 4
1.1.2 中位数（median）:将数据中的各个数值按照大小顺序排列，居于中间位置的变量就叫做中位数
1.1.2.1 给数据排序：1,2,2,6,9
1.1.2.2 找出位置处于中间的变量：2
当n为基数的时候：直接取位置处于中间的变量
当n为偶数的时候：取中间两个量的平均值
1.1.3 众数（mode）：数据中出现次数最多的数
1.2 离散程度衡量：
1.2.1 方差（variance）
例如：{6,2,9,1,2}
1.2.2 标准差（standard deviation）
2.
3.简单线性回归（Simple Linear Regretion）
3.1 很多做决定的过程通常是根据两个或多个变量之间的关系
3.2 回归分析（Regretion analysis）用来建立方程模拟两个或多个变量之间如何关联
3.3 被预测的变量叫做因变量（dependent variable）,y,输出（output）
3.4 被用来进行预测的变量叫做自变量（independent variable）,x,输入（input）
4.简单线性回归介绍
4.1 简单线性回归包含一个自变量（x）和一个因变量（y）
4.2 以上两个变量的关系用一条直线来模拟
4.3 如果包含两个以上的自变量，则称作多元回归分析（multiple regretion）
5. 简单线性回归模型
5.1 被用来描述因变量（y）和自变量（x）以及偏差（error）之间关系的方程叫做回归模型
5.2 简单线性回归的模型是：
其中：参数：，
偏差：
6. 简单线性回归方程
这个方程对应的图像是一条直线，称作回归线，其中，是回归线的截距，
是回归线的斜率，E(y)是在一个给定x值下y的期望值（均值）
7.正向线性关系：
8. 负向线性关系：
8. 无关系：
9. 估计的简单线性回归方程
这个方程叫做估计线性方程（estimated regretion line）,其中，b0是估计线性方程的纵截距，b1是估计线性方程的斜率，是在自变量x等于一个给定值的时候，y的估计值
10.线性回归分析流程
11.关于偏差的假定
11.1 是一个随机的变量，均值为0
11.2 的方差（variance）对于所有的自变量x是一样的
11.3 的值是独立的
11.4 ，满足正态分布（标准正态分布）