# Summary
https://github.com/AllenDowney/ThinkStats
# Cues
# Notes
根据章节标题和内容，这本《Think Stats》主要涵盖以下统计知识点：
* 基础概念与数据探索
* 探索性数据分析 (EDA)
* 数据清洗与转换
* 汇总统计量（均值、中位数、方差等）
* 数据可视化
* 分布理论
* 频率表与频率分布
* 概率质量函数 (PMF)
* 累积分布函数 (CDF)
* 概率密度函数 (PDF)
* 百分位数与百分位排名
* 分布建模（正态分布、指数分布等）
* 关系分析
* 散点图与可视化
* 相关性分析（皮尔逊相关、秩相关）
* 因果关系与相关性
* 统计推断
* 参数估计
* 抽样分布
* 标准误差
* 置信区间
* 假设检验（$p$值、显著性检验）
* 回归分析
* 最小二乘法
* 线性回归
* 多元回归
* 模型诊断与验证
* 高级主题
* 时间序列分析
* 生存分析
* 分析方法（正态概率图、中心极限定理等）
* 计算统计方法
* 重抽样技术
* 模拟方法
* Bootstrap方法
```Java
⏺ 基于查看的代码，统计推断部分的实现和调用链路如下：
核心代码实现位置
1. 参数估计 (nb/chap08.ipynb)
- 均值估计: np.mean(sample) - 第8章第64行
- 中位数估计: np.median(sample) - 第8章第64行
- 方差估计:
- 有偏估计: biased_var() - 第8章第131行
- 无偏估计: unbiased_var() - 第8章第144行
2. 抽样分布 (nb/chap08.ipynb)
- 参数重抽样: resample() - 第8章第187行
def resample(sample):
m, s = np.mean(sample), np.std(sample)
return np.random.normal(m, s, len(sample))
- 生成抽样分布: 第8章第194-195行
sample_means = [np.mean(resample(weights)) for i in range(1001)]
3. 标准误差 (nb/chap08.ipynb)
- 计算标准误差: 第8章第209行
standard_error = np.std(sample_means)
- 近似标准误差: 第8章第223行
def approximate_standard_error(sample):
n = len(sample)
return np.std(sample) / np.sqrt(n)
4. 置信区间 (nb/chap08.ipynb)
- 百分位数法: 第8章第235行
ci90 = np.percentile(sample_means, [5, 95])
- 辅助函数: thinkstats.py第1314行
def confidence_interval(cdf, percent=90):
alpha = 1 - percent / 100
return cdf.inverse([alpha/2, 1-alpha/2])
5. 假设检验 (nb/chap09.ipynb)
- 计算p值: 第9章第579行
def compute_p_value(simulated, observed):
return (np.asarray(simulated) >= observed).mean()
- 置换检验: 第9章第213行
def simulate_groups(data):
pool = np.hstack(data)
np.random.shuffle(pool)
return pool[:n], pool[-m:]
- 相关性检验: 第9章第686行
def permute(data):
xs, ys = data
new_xs = xs.values.copy()
np.random.shuffle(new_xs)
return new_xs, ys
调用链路
1. 参数估计流程:
原始数据 → make_sample() → np.mean()/np.median() → 点估计值
2. 抽样分布和置信区间流程:
原始样本 → resample()重抽样 → 循环生成多个估计值
→ np.std()计算标准误差 → np.percentile()计算置信区间
3. 假设检验流程:
原始数据 → 计算观测统计量 → 定义零假设模型
→ simulate_groups()/permute()生成模拟数据
→ 计算模拟统计量 → compute_p_value()计算p值
关键依赖库
- NumPy: 基础数值计算(mean, std, percentile, random)
- SciPy: gaussian_kde用于密度估计
- empiricaldist: Pmf, Cdf等分布对象
- Pandas: 数据框操作
- Matplotlib: 可视化
```