林石公

正态分布 高斯分布，概率密度函数体现为一个钟形，bell shape，函数下的面积为1，两个重要参数分别为均值或数学期望 $\mu$,标准差$\sigma$。其中$\mu$确定的这个钟在x轴上对称轴的

R方是统计学里常用的统计量，在不同任务模型下的解读和用途不一，有时候会出现误用情况。本文总结了对R方的理解和用法，遵循“从一般到特殊”的思路，先讲一般回归模型中的R方，再讲线性回归模型里的R方。"一般

方差 总体方差 一般的,对一个总体 $$ \sigma^2=\sum_{i=1}^{N}\frac{(X-\mu)^2}{N} $$ 其中 $\sigma^2$就是总体的标准差，X为变量值,$\mu$

也可以称之为大数定律，在随机事件的大量重复出现中，往往呈现几乎的规律，这个规律就是大数定律。通俗地说，这个定理就是，在试验不变的条件下，重复试验多次，随机事件的频率近似于它的概率。偶然中包含着某种必然

这个定理非常重要。 任意一个总体，不管它是如何分布的，抽出n个样本，取均值，反复这个抽样过程，得到k个均值，这k个均值（k足够大的情况下）呈正态分布。$\mu$值趋向于总体均值。 所有的分布都可以变成

1 总体与样本 总体可以认为是要研究的对象全体，可以是全部人类，也可以是一个班级里的同学，也可以是全校学生某次考试的数学成绩。 样本 在一些情况下，总体的数据可能无法取到，比如全部中国人的身高，这时为