作者提供的图片 | Midjourney & Canva
KDnuggets 的姐妹网站，Statology，拥有大量由专家撰写的统计学相关内容，这些内容在短短几年内积累而成。我们决定通过组织和分享一些精彩的教程，帮助读者了解这个出色的统计、数学、数据科学和编程资源，并与 KDnuggets 社区分享。
1. Google 网络安全证书 - 快速入门网络安全职业。
2. Google 数据分析专业证书 - 提升你的数据分析技能
3. Google IT 支持专业证书 - 支持你的组织的 IT
学习统计学可能很困难。它可能让人沮丧。最重要的是，它可能让人困惑。这就是为什么Statology在这里提供帮助。
这个系列集中于介绍概率概念。如果你对概率不熟悉，或需要复习，这些教程系列非常适合你。试试看，并浏览 Statology 上的其他内容。
概率是统计学中的一个主题，描述了某些事件发生的可能性。当我们谈论概率时，我们通常指的是两种类型之一。
你可以通过以下技巧来记住理论概率和实验概率之间的区别：
-
事件发生的理论概率可以通过数学理论来计算。
-
事件发生的实验概率可以通过直接观察实验结果来计算。
后验概率是考虑到新信息后某个事件发生的更新概率。
例如，我们可能对某个事件“A”在考虑到刚刚发生的事件“B”之后的概率感兴趣。我们可以使用以下公式来计算这个后验概率：
P(A|B) = P(A) * P(B|A) / P(B)
在统计学中，概率指的是某个事件发生的机会。它的计算方式是：
概率：
P(事件) = （# 可取结果）/ （# 可能结果）
例如，假设我们在一个袋子里有四个红球和一个绿球。如果你闭上眼睛随机抽取一个球，选择到绿球的概率计算为：
P(绿球) = 1 / 5 = 0.2。
大数法则表示，随着样本大小的增加，样本均值会更接近于期望值。
这最基本的例子涉及掷硬币。每次我们掷硬币时，它正面朝上的概率是 1/2。因此，经过无限次掷硬币，正面出现的期望比例是 1/2 或 0.5。
集合是项的集合。
我们用大写字母表示集合，并用花括号定义集合中的项。例如，假设我们有一个叫做“A”的集合，元素为 1, 2, 3。我们可以写作：
A = {1, 2, 3}
本教程解释了概率和统计中最常用的集合操作。
一般乘法规则表示，任何两个事件 A 和 B 同时发生的概率可以计算为：
P(A 和 B) = P(A) * P(B|A)
竖线 | 表示“在给定的情况下”。因此，P(B|A) 可以读作“在 A 发生的情况下 B 发生的概率”。
如果事件 A 和 B 是独立的，那么 P(B|A) 简单等于 P(B)，规则可以简化为：
P(A 和 B) = P(A) * P(B)
要获取更多类似的内容，请持续关注 Statology，并订阅他们的每周通讯，以确保您不会错过任何信息。
Matthew Mayo (@mattmayo13) 拥有计算机科学硕士学位和数据挖掘研究生文凭。作为 KDnuggets 和 Statology 的主编，以及 Machine Learning Mastery 的贡献编辑，Matthew 旨在让复杂的数据科学概念变得易于理解。他的专业兴趣包括自然语言处理、语言模型、机器学习算法和探索新兴的人工智能。他的使命是让数据科学社区中的知识民主化。Matthew 从 6 岁开始编程。
