概率基础知识：
## 随机变量的概率分布，随机变量的函数的概率分布，条件概率，联合概率
## 期望，方差，协方差，相关系数
## 里面有各种分布：
### 典型离散分布：
0-1分布：取值不是0就是1，两个概率都是50%, 只实验一次
伯努利分布： 也是只有两种结果，但是概率不一定是50%，所以0-1分布是伯努利分布的一种特例，只实验一次(也叫伯努利实验)
二项分布： 伯努利实验 做n次，有k成功的概率， 是一个二项式， n次实验之间是独立的
泊松分布： 一段时间内某个事件出现k次的概率，比如一天内发生火灾的次数，交通事故的次数，
泊松分布可作为二项分布的极限而得到。也就是n取无限大的时候
### 典型的连续分布：
正态
## 分布函数F和概率密度f：
对于连续随机变量 F(x)是指 随机变量X取值<=x的概率
f(x) 表示X取x的概率密度，一般需要通过积分求得分布函数， 要求概率密度，也是通过分布函数进行求导(微分)得到参数估计：
根据抽样样本 估计 总体分布函数的 参数： 注意估计的目标对象是 分布中的参数
## 点估计：
最大似然估计： 找到一个参数， 基于已有样本，使得根据这个分布生成这些样本的概率联合最大---转化成求极值的问题：两种方法：1. 求偏导 方程组的解(要可导)， 2. 梯度下降(不要求可导，但是有可能会陷入局部最优，从性能上最好用随机梯度下降)
矩估计：还不太懂
## 区间估计：
分布中的参数， 落在某个取值区间内的概率为多少 ，这个区间叫置信区间， 这个概率叫置信度
假设检验：
根据抽样样本，去验证 总体分布属于某个分布的假设，或者 已知总体分布，假设某个参数是某个值 ， 需要根据样本，来最后做出决策，接不接受这个假设，或者认为这个假设是不是合理的
有各种检验法
具体的理论还不是特别明白
但是参照各种例子来做检查，而且可以查表
大数定理，中心极限定理：
当多个独立变量共同作用在一起，一般最终服从正态分布(也叫高斯分布)
当抽样数越多，期望近似等于均值