第4章 统计基础与概率论高频题

• 是否理解定理的核心前提（样本量、独立性）
• 能否将理论应用到实际业务场景
• 是否知道定理的局限性

1. 定义：无论总体分布形态如何，样本均值分布随样本量增大趋近正态
2. 前提：样本独立、同分布、样本量足够大（通常n≥30）
3. 应用：支持置信区间估计、假设检验等推断方法
4. 注意：对异常值敏感，需结合数据质量评估

中心极限定理指出，无论总体分布形态如何，当样本量足够大时，样本均值的抽样分布趋近正态分布。在业务中，它支持我们使用正态分布理论进行置信区间估计与假设检验，即使原始数据呈现偏态分布，只要样本量足够且观测独立。

• 样本量需要多大才能应用？
• 数据存在异常值时还能用吗？
• 如何验证样本独立性？

• 对p值定义的准确理解，能否避开常见误解
• 是否了解p值与效应量、置信区间的关系
• 在实际业务中如何正确使用p值做决策

1. 定义：原假设为真时，观察到当前或更极端结果的概率
2. 具体解释：p=0.03 → 若原假设成立，仅有3%概率出现此类数据
3. 常见误区：不是原假设为真的概率，不是效应大小
4. 决策建议：结合效应量与业务成本综合判断

p值是在原假设为真的前提下，观察到当前或更极端结果的概率。p=0.03意味着若原假设成立，仅有3%的概率出现这样的数据，通常视为反对原假设的证据。但需注意p值并非原假设为真的概率，也不代表效应大小。

• p值和置信区间的关系？
• 多重比较时如何调整p值？
• p值大于0.05就能接受原假设吗？

• 是否理解先验、似然、后验的核心逻辑
• 能否选择恰当的业务场景进行说明
• 是否了解贝叶斯方法与频率学派的区别

1. 定理公式：P(A|B) = P(B|A)×P(A) / P(B)
2. 业务场景：用户流失预测、垃圾邮件识别、风控评分
3. 代入计算：先验 → 似然 → 归一化 → 后验
4. 决策应用：根据后验概率采取针对性策略

在用户流失预测中，历史流失率20%为先验概率。某行为特征在流失用户中占70%，在留存用户中占10%。用户出现该行为后，后验概率=70%×20%/(70%×20%+10%×80%)=63.6%，显著高于先验，应将该用户纳入重点干预名单。

• 先验概率如何确定？
• 贝叶斯方法与频率学派的主要区别？
• 如何评估后验概率的可靠性？