本文目录
大学里面学习概率论与数理统计的意义是什么
从解决问题的角度看，本科的高数、线性代数、概率与数理统计是基本的数学工具。实际问题通常涉及到多个影响因素，在进行数学建模时，如这些因素是确定的，则直接采用物理建模，使用的主要知识是高数下册。但当某些因素不确定时，就要涉及到经验知识，采用的是概率与数理统计的知识建模。只要是多因素，在数学上都称为高维，表示形式为矩阵。因此线性代数重要了。
学习机器学习，需要了解哪些概率论知识
作者曾经写过系列文章《想要学人工智能，你必须得先懂点统计学》有需要的童鞋可以到作者主页按需学习。
《想要学人工智能，你必须得先懂点统计学》共14篇文章，主要向大家介绍了在学习人工智能和机器学习之前有必要掌握的一些基础统计理论，这些统计理论将有助于后续理解相关的机器学习算法和对数据挖掘结果的解释。在此给出每一篇文章的简介，大家可以根据自己的需要到作者主页有选择性地学习和查阅，统计理论功底不扎实的同学建议把这一系列的文章都看一看，希望对后续大家进一步的学习有所帮助。
CONTENT
第一篇：《想要学人工智能，你必须得先懂点统计学（1）统计学导论和数据收集》
介绍了统计学的概念，描述统计方法和推断统计方法，统计工作的过程，统计数据的类型，常用的统计调查方式和数据收集方法。
第二篇：《想要学人工智能，你必须得先懂点统计学（2）数据的描述与概括性度量》
介绍了数据描述的图形方法、表格方法以及数值方法，分布形状与众数、中位数和均值的关系，离散系数或者变异系数。
第三篇：《想要学人工智能，你必须得先懂点统计学（3）概率与概率分布》
介绍了条件概率、全概率公式以及贝叶斯公式，常见的离散型概率分布和连续型随机变量的概率分布。
第四篇：《想要学人工智能，你必须得先懂点统计学（4）方差分析概述》
介绍了方差分析的基本概念，方差分析的基本思想和原理。
第五篇：《想要学人工智能，你必须得先懂点统计学（5）单因素方差分析》
介绍了方差分析中的基本假定，单因素方差分析的数据结构，总变差（离差平方和）的分解，组间方差和组内方差，检验的统计量 F 计算。
第六篇：《想要学人工智能，你必须得先懂点统计学（6）统计学中的显著性水平、统计量和P值之间什么关系？》
介绍了显著性水平，统计量大小以及P值大小这三者之间的关系，如何根据P值怎么判断显著性，查表又怎么判断显著性。
第七篇：《想要学人工智能，你必须得先懂点统计学（7）双因素方差分析》
介绍了双因素方差分析的数据结构，无交互作用的双因素方差分析模型和有交互作用的双因素方差分析模型。
第八篇：《想要学人工智能，你必须得先懂点统计学（8）相关分析概述》
介绍了变量间的函数和相关关系，相关关系的类型和相关关系的描述。
第九篇：《想要学人工智能，你必须得先懂点统计学（9）相关分析及显著性检验》
介绍了相关分析要解决的问题，总体相关系数以及样本相关系数，相关系数的取值及意义和相关系数的显著性检验。
第十篇：《想要学人工智能，你必须得先懂点统计学（10）回归分析概述》
介绍了回归分析的内容，回归分析与相关分析的区别和联系，回归模型的类型。
第十一篇：《想要学人工智能，你必须得先懂点统计学（11）一元线性回归》
介绍了一元线性回归的概念，一元线性回归模型的表示，一元线性回归模型的基本假设以及回归方程的估计。
第十二篇：《想要学人工智能，你必须得先懂点统计学（12）回归方程的显著性检验》
介绍了离差平方和的分解，三个平方和的关系和意义，样本决定系数（判定系数 r2），回归方程的显著性检验（线性关系的检验）。
第十三篇：《想要学人工智能，你必须得先懂点统计学（13）回归系数的显著性检验》
介绍了回归系数b1的显著性检验，回归系数显著性检验的步骤—t检验。
第十四篇：《想要学人工智能，你必须得先懂点统计学（14）利用回归模型进行预测》
介绍了利用回归方程进行估计和预测，包括点估计和区间估计，影响区间宽度的因素，置信区间、预测区间和回归方程之间的关系。
具体内容可以到作者主页查看学习，有问题欢迎随时交流学习~
