憑藉記憶和百度複習一下以前學的，不斷更

1：統計學三大分佈，呵呵，沒有正態，F，T，卡方分佈

F分佈（F檢驗）用來檢驗方差齊性，可用直方圖和p-p圖來檢驗（spss/R），如果方差隨自變數x變大而變大，說明方差不齊，各個樣本的資料可能不是來自一個整體，

比如汽車擁有量，大城市的樣本多，小城市樣本少，人口對於模型的影響較大，因此要做一個修正。。或者改用非引數檢驗

關於正態性檢驗，先可以畫個直方圖，樣本量大於50看SW檢驗，樣本量小於50看KS檢驗

 T分佈：自由度ν越小，t分佈曲線越低平；自由度ν越大，t分佈曲線越接近標準正態分佈（u分佈）曲線。t分佈其實是由正態分佈和卡方分佈共同推導而來的，它的思路是樣本的均值服從正態分佈，而實際方差不能僅僅簡單等同於樣本中計算來的方差，要等同於一個服從卡方分佈的方差，最後推匯出了t分佈。t分佈中也有自由度的概念，往往取樣本數減去1為自由度v。

卡方分佈：若干個隨機變數的平方和服從卡方分佈，用來檢驗隨機變數是否服從其給定的概率的，服從某種分佈的。貌似在列聯表裡有用到。

T檢測：應用於小樣本的情況。中心極限定理告訴我們隨著樣本的容量變大，樣本的均值將成正態分佈，而當樣本較小的時候分佈則更接近t分佈。

協方差：表示X, Y 相互關係的數字特徵，cov(X, Y) = E(X-EX)(Y-EY)，當 cov(X, Y)>0時，表明 X與Y 正相關；當 cov(X, Y)<0時，表明X與Y負相關；當 cov(X, Y)=0時，表明X與Y不相關。

相關係數：X、Y的協方差除以X的標準差和Y的標準差（相關係數也可以看成協方差：一種剔除了兩個變數量綱影響、標準化後的特殊協方差）

變異係數：將離散程度標準化，等於均值除以方差

大數定律：當N很大，樣本均值約等於期望

中心極限定律：不管什麼分佈，獨立隨機變數的均值分佈趨近於正態分佈

正態分佈的再生性：隨機變數X1，X2，相互獨立，服從正態分佈，則，Y=X1+X2 服從正態分佈

泊松分佈：一段時間內或者一定空間內事件的發生次數的對應概率。