本文纯属虚构，如有雷同，一定统计不显著
统计研究的第一步就是收集统计资料，收集统计资料时，有几个原则需要坚持，违背这些原则，收集的统计资料就毫无意义。
统计学实际上是应用数学的一个分支，其主要基于数理统计的理论基础，对收集到的数据进行量化分析和总结，从而进行推断和预测，为作出决策提供依据和参考。
经常被问起统计学(尤其是统计建模)、机器学习和人工智能的区别。从目标、技术和算法上来说，它们确实有重叠的部分。但困惑不仅来自于这些重叠的部分，而是来自于我们读的那些非科学文章中的时髦用语大杂烩。
所以叫数学的”罗辑思维“，是因为吴军老师属于数学界的罗振宇，能够把一些概念说得通俗易懂，由于一本书太厚，我就再精简一下，汇集成一篇文章。
今天是小S入门的第二天了，经过一天的工作洗礼后，终于屁颠屁颠的下班了，拥抱那美好的统计学梦想去了。
60 年前，只有9%的美国人独自一人居住，现在这一数字是28%，比爸爸妈妈跟孩子一起住的这种家庭数量还多。
人们常说“用数据说谎”，我要说往往数据的分析是没问题的，但这些分析却是建立在夸大或不实的数据之上。下面便是几个常见的“错进错出”案例。
在计算机科学、电子商务等领域已率先在大数据技术开发与应用方面做出不俗成就的时候，以数据为研究对象的统计学该如何应对?
衡量统计真实性的“黄金标准”——P值，并非众多科学家想象的那样可靠。
什么是泊松分布(Poisson Distribution)，是一种统计与概率学里常见到的离散机率分布(discrete probability distribution)，由法国数学家西莫恩·德尼·泊松(Siméon-Denis Poisson)在1838年时发表。
贝叶斯法则（Bayes’theorem/Bayes theorem/Bayesian law），又被称为贝叶斯定理、贝叶斯规则是概率统计中的应用所观察到的现象对有关概率分布的主观判断（即先验概率）进行修正的标准方法。
参数估计(Parameter Estimation)，是指用样本指标(称为统计量)估计总体指标(称为参数)。用样本均数估计总体均数以及用样本率估计总体率。
论大数据“砖”家的典型特征。
