1. 小概率事件
    事件发生概率小于等于0.05，称之为小概率事件。
  2. P是啥
    就是犯错概率，得出错误结论的概率。
  3. 假设检验
    小概率事件和反证法的应用。
    H0：原假设
    H1：备选假设
    解释：假设在H0前提下，我们得到目前手头上的样本，定义为一个概率事件，概率为α(0.05, 0.01, 0.001)，是小概率事件。通过公式计算P值，P<α, 则确认我们得到目前手头上的样本是一个小概率事件，而小概率事件在一次试验中是不可能发生的，但事实发生了，则原假设错误，接受备选假设。
    另一种解释：
    H0：只存在抽样误差，不存在系统误差
    H1： 存在抽样误差和系统误差
    在只存在抽样误差的前提下，我们得到目前样本的概率为P，如果P<α，则证明不只是存在抽样误差，还存在系统误差。
  4. 两类错误
    α错误：第一类错误，接受了假的H1.
    β错误：第二类错误，接受了假的H0.
    1-β称之为把握度，即有多大把握拒绝H0.
    例子：
    H0：A药和B药等效
    H1：A药优于B药
    药监局更关注第一类错误，因为不想接受一个假药，所以接受H1的要求严格，希望α很小。药厂不希望拒绝有效的药，所以希望β很小。
  5. 标准差和标准误
    标准差就是衡量样本数据的离散情况。
    标准误是衡量抽样的离散情况。是做多次抽样，每次计算一个样本均值，多次抽样对应多个样本均值，计算这些均值数据的标准差，称之为标准误。
  6. 变异系数
    变异系数是标准差/均值，就是标准差是平均值的多少倍，变异是平均水平的多少倍。例如两个样本标准差和均值都不同，如何比较变异程度。用变异系数。
  7. 分布
    是样本统计量的分布规律，衡量变异的分布情况。
    以t分布为例，公式为
                          T = 均值差/标准误
     
    以标准误为单位，衡量均值差的分布情况。100%的t分数都在（-700，700）之间，即（-700，700）这个范围覆盖了100%的抽样误差（抽样来自正态总体，观测独立），95%的t分数大概在（-13，13）之间，即这个范围覆盖了95%抽样的误差。不同样本量下，t数值有波动。和假设检验相结合就是，在只有抽样误差的前提下，只有5%的t分数不在（-13，13）之间，5%小概率事件，认为是不可能发生的，抽样误差导致这么大差异的概率只有5%，所以不可能只存在抽样误差。
  8. 95%置信区间
    做一百次试验，得到一百个均值，每个均值加/减上对应的95% t 分数，进而得到100个置信区间，100个置信区间中有95个包含总体参数。
  9. 参数检验和分布
    正态分布是关于样本数据的分布，而t/F/卡方等分布是关于样本统计量的分布。参数检验有前提条件，要求样本来自正态总体，参数就是分布分数。
  10. 非参数检验
    没有关于样本分布的前提条件，但也有对应的分数分布。比如T界值表，D界值表。