正態分佈是如何被高斯推導出來的, 我感覺高斯更像是猜出了正態分佈。
詳見這篇文章：《正態分佈的前世今生》
說一說理解高斯推導過程中的難點:
1. log函式的出現：log函式的出現能把連乘化為求和方便計算,而且log是一對一的函式,不會損失資訊量(推導中的log即 ln)。
2. 為了求極大似然， 高斯其實做了乙個逆向的假設l(θ;x1,x2,x3....xn)在 θ = 所有x的算數平均 處取到最大值，則此時其導數必定為0。
z分布的重要依據是正態分佈的可加性。由可加性可以推出n個服從n(μ, σ^2)的隨機變數，他們的平均值服從另乙個正態分佈n(μ, (
σ/n)^2)。所以z分布的本質就在總體方差已知的情況下去判斷給定樣本的均值是否服從總體均值的正態分佈，通過均值的正態分佈n(
μ, (
σ/n)^2
)來計算 p-value。
明白了z分布和z檢測後，t檢測就不難理解了。上文提到z檢測的必須以總體方差已知為前提，但是如果樣本很小而總體方差不知道的情況下就不能獲得總體的方差，所以t分布的概率密度函式pdf其實是乙個正態分佈的pdf乘以卡方分布的pdf，分別表示均值和總體方差，由於卡方分布有自由度，所以t分布也有了自由度的概念。
注：卡方分布表示v個服從同乙個正態分佈隨機變數的平方和的概率分布，v就是自由度，它也可以從方差的角度去作檢測。
高斯 到 正態分佈 的前世今生
學過基礎統計學的同學大都對正態分佈非常熟悉。這個鐘型的分布曲線不但形狀優雅，其密度函式寫成數學表示式 也非常具有數學的美感。其標準化後的概率密度函式 更加的簡潔漂亮,兩個最重要的數學常量 e都出現在了公式之中。在我個人的審美之中，它也屬於top n的最美麗的數學公式之一，如果有人問我數理統計領域哪個...
高斯 到 正態分佈 的前世今生
學過基礎統計學的同學大都對正態分佈非常熟悉。這個鐘型的分布曲線不但形狀優雅，其密度函式寫成數學表示式 也非常具有數學的美感。其標準化後的概率密度函式 更加的簡潔漂亮,兩個最重要的數學常量 e e e都出現在了公式之中。在我個人的審美之中，它也屬於top n的最美麗的數學公式之一，如果有人問我數理統計...
從高斯消元到矩陣樹定理
前置技能，列舉主元法的高斯消元，即消第n個元的時候，每次選出絕對值最大乙個方程對其他的進行消元。但是常見的高斯消元模板並不能很好的解決，哪些元是變元以及哪些是確定解的問題。假設方程有n nn個未知數，m mm個方程，那麼我們在高斯消元的同時記錄乙個變數now nowno w，表示使用了now now...