大家好~這一次我們來簡單說一些關於資料探勘所需要的統計學基礎。不會很深奧哦，我儘量用大白話把它解釋清楚。因為我也是大菜雞，也還在學習

為了以後更好的完成我們的各項任務，所以有幾個概念呢在這裡預先做一下解釋和說明。

1. 均值

2. 方差

3. 大數定理

4. 中心極限定理

5. 假設檢測

6. p-value值的簡單介紹

前幾個概念都不難，主要是解釋最後兩個概念。

==================================

1. 均值

均值就是平均數······最為簡單的一個概念

在這裡不多做解釋了····

==================================

2. 方差

上過高中的朋友應該都知道它吧。方差是各個資料分別與其平均數之差的平方的和的平均數，用字母D表示。在概率論和數理統計中，方差（Variance）用來度量隨機變數和其數學期望（即均值）之間的偏離程度。

x 表示樣本的平均數，n 表示樣本的數量，xi 表示個體，而s^2就表示方差。

==================================

3. 大數定理

可以把它簡單的理解為：

當樣本的數量越來越多，那麼它的期望值，也就越接近平均值。當大量重複某一實驗時，最後的頻率無限接近事件概率。

==================================

4. 中心極限定理

簡單的理解為：

在適當條件下，大量相互獨立的、隨機的變數的均值，經過適當的標準化後，其分佈收斂於正態分佈。

==================================

5/6. 假設檢驗和p-value值的介紹

重點來了。有點小複雜。

用一個例子來說明一下吧

一個司機酒駕問題。分為四種情況。

（1）司機沒喝酒，酒駕檢測正常，沒超標，放行

（2）司機沒喝酒，酒駕檢測出了問題，（可能是裝置壞了啊，天氣不好啊，運氣太差啊），超標，被抓了

（3）司機喝酒了，酒駕檢測正常（運氣爆棚，沒查出來），沒超標，放行

（4）司機喝酒了，酒駕被抓（活該）

現在做一個原假設：司機沒喝酒

既然有原假設，那就也有備擇假設：司機喝酒了

我們將原假設當做一個標準（司機沒喝酒）去衡量一個事件，判斷司機到底有沒有喝酒。

--如果衡量的這個事件，發現這個事件發生的概率極低極低，那麼我們可以拒絕原假設。

--如果衡量的這個事件，發現這個事件發生的概率不是那麼低，是有可能的，那麼我們將不拒絕原假設。

如圖所示：

圖中藍色區域，表示沒喝酒的情況，也就是我們一開始原假設的情況。

圖中橙色區域，表示喝了酒的情況，也就是我們一開始備擇假設的情況。

我們現在呢，以“沒喝酒”這個標準去衡量司機到底有沒有喝酒這個事件

如果檢測出來的結果為上述第（2）種情況，即沒喝酒還被判斷為酒駕，這種極小概率發生的事件屬於下圖紅色塗抹區域：

這種極端的情況發生的概率之和，被稱為p-value。

再白話一點，假如酒精檢測判斷是否酒駕的標準為20mg/100ml。

一個司機沒有喝酒，但是酒駕檢查，發現他的酒精含量為21mg，出現這種事情的概率就屬於“極低概率事件”。

當然不僅有可能是21mg，還有可能是22mg，23mg等等，都有可能，只不過這個可能性，都非常非常的低。

所有這些低概率事件之和得到一個的總值，即為p-value。

謝謝大家~