摘要：
注：这是一个横跨数年的任务，标题也可以叫做“从To Do List上划掉学习统计学”。在几年前为p值而苦恼的时候，还不知道Python是什么；后来接触过Python，就喜欢上了这门语言。统计作为数据科学的基础，想要从事这方面的工作，这始终是一个绕不过去的槛。 其实从中学就开始学习统计学了，最早的写" 阅读全文
摘要：
注：抽样分布就是统计量的分布，其特点是不包含未知参数且尽可能多的概括了样本信息。除了常见的正态分布之外，还有卡方分布、t分布和F分布为最常见的描述抽样分布的分布函数。这几个分布函数在数理统计中也非常有名。我们常说的卡方检验、t检验和F检验就跟这三个分布有关。下面分别从定义、性质、函数图像和分位数等方 阅读全文
摘要：
注：概率论方面就暂时告一段落，终于可以说说统计方面的事情了。如果说概率论中主要是研究随机变量的方法学和理论模型，那么统计学就是利用概率论这一强大的工具来研究具有随机性的现象（结果的不确定性）。而研究这些随机现象最重要的方法就是，大量重复试验进而找到其统计规律性。一般步骤为：重复试验（例如反复测量，多 阅读全文
摘要：
注：这两个定理可以说是概率论中最重要的两个定理。也是由于中心极限定理的存在，使得正态分布从其他众多分布中脱颖而出，成为应用最为广泛的分布。这两个定理在概率论的历史上非常重要，因此对于它们的研究也横跨了几个世纪（始于18世纪初），众多耳熟能详的大数学家都对这两个定理有自己的贡献。因此，这两个定理都不是 阅读全文
摘要：
注：如果说一个随机变量的分布函数（累计分布或概率密度分布）是对该随机变量最完整，最具体的描述，那么随机变量的数字特征就是对该随机变量的部分特征的描述。分布函数就像是一个人的全身像，而数字特征就像是一个人的局部特写。 0. 为什么要研究随机变量的数字特征 很多情况下，可能由于数据不完整或是采集数据的代 阅读全文
摘要：
注：上一小节总结了离散型随机变量，这个小节总结连续型随机变量。离散型随机变量的可能取值只有有限多个或是无限可数的（可以与自然数一一对应），连续型随机变量的可能取值则是一段连续的区域或是整个实数轴，是不可数的。最常见的一维连续型随机变量有三种：均匀分布，指数分布和正态分布。下面还是主要从概述、定义、主 阅读全文
摘要：
注：上一小节对随机变量做了一个概述，这一节主要记录一维离散型随机变量以及关于它们的一些性质。对于概率论与数理统计方面的计算及可视化，主要的Python包有scipy, numpy和matplotlib等。 以下所有Python代码示例，均默认已经导入上面的这几个包，导入代码如下： 0. Python 阅读全文
摘要：
注：对随机变量及其取值规律的研究是概率论的核心内容。在上一个小结中，总结了随机变量的概念以及随机变量与事件的联系。这个小结会更加深入的讨论随机变量。 随机变量与事件 随机变量的本质是一种函数（映射关系），在古典概率模型中，“事件和事件的概率”是核心概念；但是在现代概率论中，“随机变量及其取值规律”是 阅读全文
摘要：
注：这是这个系列的第二部分，主要集中在Angular的使用方面。之前使用过AngularJS（Angular 1.x），混在Django的模板中使用，这些页面一般完全是结果展示页。在有Django表单输入的页面中，就很难将两者很好的结合起来。自己在学习新版的Angular时，跟了2遍官方网站的“英雄 阅读全文
摘要：
前言：本次尝试源于我们内部的一个项目，由于前端逻辑比较复杂，就打算将前后端分开来开发。由于之前用Django开发过软件，对AngularJS（Angular 1.0版）也有一定的了解，因此就将技术路线锁定在了这两个开源工具上，用Angular做前端（这次是Angular 2），Django做后端。 阅读全文