标签（空格分隔）： 概率论与数理统计

统计除了可以描述随机变量特征之外，还有一个重要作用，推断！这也是为什么把统计分为描述性统计和推断性统计的原因，以我目前的理解，推断性统计的作用在于以小推大，以微观推宏观，不排除后续继续深入学习之后得出新的结论。

在我另一篇文章描述性统计（一）—-统计量中，写到过关于样本的一些统计量，在此基础上，增加样本与分布的关系。

样本平均值、样本方差、样本标准差、样本k阶矩、样本k阶中心距 样本平均值： X¯¯¯=1n∑ni=1Xi 样本方差： S2=1n−1∑ni=1(Xi−X¯)2 样本标准差： S=S2−−√=∑ni=1(Xi−X¯)2n−1−−−−−−−−−√ 样本k阶(原点)矩： Ak=1n∑ni=1Xki,k=1,2,3,…… 样本k阶中心矩： Bk=1n∑ni=1(Xi−X¯)k,k=1,2,3,……

首先知道两个定律： 大数定律：定理（服从具有期望值 E(x) 的同一个分布且相互独立的n个随机变量，在n足够大的时候，它们的算术平均值收敛于这一分布的期望 E(x) ），简单来说，就是当样本容量足够大的时候，样本均值就约等于总体均值。 中心极限定理：定理（有几个定理，不一一列出了），简单来说，就是当样本足够大的时候，从一个总体中抽出来的样本均值近似的服从 N