讲解稿 · 第04章 第01节 · 统计学基础¶
口播时长：约 18 分钟｜建议语速：中速，公式处停两拍｜字数：约 4000 字
开场钩子（约 80 秒）¶
先请你做一件事。
打开你手机里的电商 App，搜一件你最近想买的东西，比如某款蓝牙耳机。你会看到一排商品——每款底下都标着月销"5 万+""10 万+""20 万+"。App 不会把每款耳机的所有买家的真实评价都摊给你看，它只会用几个数字给你一个"大致感觉"：销量、好评率、复购率。这些数字背后，都是一个东西在撑——统计。
更具体一点：假设你是一家工厂的质检员。流水线上每秒吐一个零件，你要判断"今天的次品率是不是比平时高"。你没法测全部零件——一秒钟一个，一天就是 8 万 6400 个。你只能抽个样本：比如每隔 100 秒抽一个，测它合不合格，抽 100 个下来。数一数几个次品，然后用这一百个数，去推断整条产线次品率大概是多少。
这就是推断性统计——用样本对总体下结论。你说"今天产线次品率 4%"，这 4% 不是数出来的，是算出来的。算法分两步走：先算样本次品率 \(\hat p = 0.04\)，再算"它距离历史均值 \(\mu_0 = 0.02\) 有多远"。今天我们要讲的整套语言——分布、随机变量、PMF/PDF、期望、方差、矩——都是这两步的砖头。
扶稳了，我们开始。
复习昨日 & 今日路线（约 40 秒）¶
上一章我们把微积分啃完了。从极限到导数到积分，你掌握了"瞬时变化率"和"累积量"两件工具。今天起我们翻进统计学——它和微积分不一样的地方是：微积分处理确定函数，统计学处理随机变量。今天这一节是统计学的"语言入门"：把那些你日常刷到的"平均分""方差""偏度"全部归到一套统一的数学框架里。
下一节 §02 是描述性度量——用本节这套语言去算均值、中位数、分位数；再下一节 §03 是抽样分布与中心极限定理——本节学的期望、方差在那里要发挥决定性作用。
核心概念一 · 为什么要先讲"分布"（约 2.5 分钟）¶
先给直觉。
你手里有一份数据，比如一个班 50 个学生的考试成绩。你想"搞清楚这堆数长啥样"——是大家都考 80 分挤成一坨，还是有人 100 有人 30 撒成一片？描述这堆数"长啥样"的对象，就叫分布 (distribution)。
分布有两种常见形态：
频率分布 (frequency distribution)——经验的，原始的。把数据按分数段装桶，"70-80 分这一桶有 12 个人"，画出来就是一张直方图。
概率分布 (probability distribution)——理论的，模型的。把频次换成概率，"考 70-80 分的概率是 0.24"。当数据是连续的，柱子就连成了一条光滑曲线。
直方图是经验——你看到的现实。概率曲线是理论——背后的数学模型。一个从数据里搭出来，一个从公式里推出来。两者关系就像观测和理论：你拿望远镜看星空（频率分布），是为了验证广义相对论（概率分布）——这就是为什么今天所有的科学实验，最后都绕回到一个概率分布上。
这里有个学生常踩的坑——"分布"在不同语境下含义不一样。严格定义下，概率分布是一个函数 \(p(x)\) 或 \(f(x)\)，描述"随机变量取某个值（或落在某区间）的概率有多大"。但日常口语里，"这堆数据的分布"指的是这堆数据本身的形态——是 0-100 区间里的一段。下次你看到"分布"两个字，先问一句：是理论模型还是经验数据？这是今天第一个要锁死的概念。
核心概念二 · 随机变量——把"事"变成"数"（约 2 分钟）¶
光有"概率"还不够，你得有办法给每个实验结果分配一个数字，才能做算术。
随机变量 (random variable) \(X\) 是一个函数，把实验的每个结果映射到一个实数。抛硬币：结果可以是"正面""反面"，但 \(X\) 把它们翻译成 \(X(\text{heads}) = 1\) 和 \(X(\text{tails}) = 0\)。现在能做加减乘除了。
随机变量分两类：
- 离散 (discrete)：取一组可数的值。抛 10 次硬币里正面的次数、骰子的点数、一小时内收到的邮件数。
- 连续 (continuous)：取一个区间里的任何值。你的精确身高、下一辆公交到站前的等待时间。
符号首现（四件套走一遍）：
\(X\) — 随机变量 (random variable)：把实验结果映射到实数的函数。例子：$X = $ "抛两次公平硬币，正面次数"，取值 \(\{0, 1, 2\}\)。
为什么必须区分离散和连续？因为它们算概率的工具不一样。离散用求和，连续用积分——而积分是上一章才学完的武器。区别我们马上讲。
核心概念三 · PMF 与 PDF——给每个结果分配概率（约 3 分钟）¶
离散和连续两种随机变量，各有一套分配概率的函数。
🟢 离散 · 概率质量函数 PMF¶
概率质量函数 (Probability Mass Function, PMF) 给出每一个具体取值的概率：
"质量"这个词提示你：概率被"分摊"到各个点上，每个点分到一份（质量）。注意全部加起来必须等于 1——这是 §03 我们会讲的概率公理之一。
数字例子：一枚公平的六面骰子，\(p(1) = p(2) = \dots = p(6) = 1/6\)。\(\sum p(x) = 6 \times (1/6) = 1\) ✓。
🟢 连续 · 概率密度函数 PDF¶
概率密度函数 (Probability Density Function, PDF) 给出落在某个区间内的概率：
注意一个反直觉的事实：连续随机变量在任何一个具体点的概率都是 0。\(P(X = 3.1415926\dots) = 0\)。不是"很小"，是严格等于 0。原因：单点的区间长度是 0，积分是 0。只有区间才有正的概率——\(P(3 \le X \le 4)\) 这种问法才有意义。
⚠️ 这里有个学生反复掉进的坑：把 PDF 的值当概率。\(f(x)\) 是密度，不是概率。密度可以大于 1，比如某段区间密度是 2、宽度是 0.3，那概率是 \(2 \times 0.3 = 0.6\)，不是 2。\(f(x)\) 的量纲是"概率 / 自变量"，而不是"概率"。
第二件常踩的坑：PMF 和 PDF 的写法都是 \(f(x)\) 或 \(p(x)\)，离散连续不分字母。区别靠上下文——离散情况下 \(f\) 是概率，连续情况下 \(f\) 是密度。下次看到 \(\int\) 用 PDF，看到 \(\sum\) 用 PMF。
核心概念四 · CDF——累积视角（约 1.5 分钟）¶
还有一种函数，把 PMF 和 PDF 统一起来，叫累积分布函数 (Cumulative Distribution Function, CDF)：
CDF 把"≤ x 的概率"画出来，是一条从 0 单调爬升到 1 的曲线（离散时是台阶型，连续时是平滑曲线）。CDF 的好处是离散连续通用——不管 \(X\) 是哪种，CDF 都可以画。
F 是个非常有用的工程工具——比如你想算"高于平均分的人数比例"，不是去一个个数，而是看 \(F(\mu)\)（低于均值的人数比例）然后用 \(1 - F(\mu)\)。这个反查 \(F\) 的动作叫分位数 (quantile)，是 §02 描述性度量的主角。
核心概念五 · 期望——分布的"重心"（约 2.5 分钟）¶
现在我们能给结果分配数值了。最自然的问题：平均下来你预期哪个值？
期望 (expectation) \(E[X]\) 是所有可能值的加权平均，权重就是概率。把它想成分布的"重心"。
离散：
连续：
数字例子：公平的六面骰子，\(E[X] = (1+2+3+4+5+6)/6 = 21/6 = 3.5\)。你永远掷不出 3.5——但扔一万次，平均就在 3.5 附近。这就是期望的本意：它是长期平均，不是单次结果。
⚠️ 期望 ≠ 平均值 (mean)，但在数学上它们是同一个数。区别只在于视角——平均是从已经发生的数据里数出来的，期望是从概率分布里算出来的。当你已经掷了一万次骰子求平均，你是在用样本均值估计那个理论期望。
期望有一个极其好用的性质：
叫期望的线性性。注意：线性性不要求 \(X\) 和 \(Y\) 独立，\(E[X + Y] = E[X] + E[Y]\) 对任何两个随机变量都成立。方差没有这个性质——下个概念讲。
核心概念六 · 方差——散得多开（约 2 分钟）¶
期望告诉我们中心在哪儿，但没说值散得多开。
方差 (variance)：
含义：每个值离期望多远，平方后取平均。平方是为了让正偏离和负偏离都不抵消。标准差 \(\sigma = \sqrt{\mathrm{Var}(X)}\)，量纲回到原变量，更直观。
数字例子：还是公平骰子 \(X\)，\(E[X] = 3.5\)。
\(\sigma \approx 1.71\)。这把骰子平均散 1.71 远离均值 3.5。
一个重要公式：
证明用 \(E[X^2] = E[(X - \mu + \mu)^2] = E[(X - \mu)^2] + 2\mu E[X - \mu] + \mu^2 = \mathrm{Var}(X) + \mu^2\)。考试常考这条。
⚠️ 方差没有线性性。\(\mathrm{Var}(aX + b) = a^2 \mathrm{Var}(X)\)，注意 \(a\) 是平方进去的。\(b\) 是常数，加常数不改变方差——整条曲线平移，散开程度不变。如果两变量独立，\(\mathrm{Var}(X + Y) = \mathrm{Var}(X) + \mathrm{Var}(Y)\)，独立前提不能丢——一般情况要加协方差 \(2\mathrm{Cov}(X, Y)\)。
核心概念七 · 矩——分布形状的全家福（约 3 分钟）¶
期望和方差都是矩 (moments) 的特例。第 \(k\) 个原点矩 (raw moment)：
从零点开始度量。\(k = 1\) 就是均值 \(\mu_1' = E[X] = \mu\)。
但很多情况下我们更关心相对于均值的偏离，所以定义第 \(k\) 个中心矩 (central moment)：
把原点挪到均值上。\(k = 1\) 时恒为零（均值上下的偏离互相抵消）。\(k = 2\) 就是方差。
为了比较不同尺度的分布，要把中心矩除以 \(\sigma^k\) 标准化：
这个标准化的中心矩是无量纲的。四个矩刻画分布的四个不同侧面：
| 阶数 | 名字 | 刻画什么 | 一句话比喻 |
|---|---|---|---|
| 1 阶（原点） | 均值 | 中心位置 | 重心 |
| 2 阶（中心） | 方差 | 散开程度 | 摊开宽度 |
| 3 阶（中心） | 偏度 | 左右不对称 | 尾巴偏向 |
| 4 阶（中心） | 峰度 | 尾部厚度 | 极端值多少 |
正态分布的偏度为 0、峰度为 3。峰度减 3 叫超额峰度 (excess kurtosis)，是更常用的版本——这样正态分布的超额峰度就是 0。
下面我们用一个数据集把四个矩挨个算一遍：\(X = \{2, 4, 4, 4, 5, 5, 7, 9\}\)。
第 1 步 · 均值：
第 2 步 · 方差（每个值减均值，平方，取平均）：
\(\sigma = \sqrt{4} = 2\)。
第 3 步 · 偏度（把偏离量立方，除以 \(\sigma^3\)）：
正偏度意味着右尾更长——数据里有个 9，远远高于均值 5，把尾巴向右拉。
第 4 步 · 峰度（把偏离量升 4 次方，除以 \(\sigma^4\)）：
峰度 2.781，接近正态分布的 3，超额峰度 \(-0.219\)。说明尾部大致正态，没有特别厚重的离群值。
⏸️ 暂停思考 · 第一次
如果你在数据里额外加一个 100，均值、方差、偏度、峰度会怎么变？哪些对极端值敏感，哪些不敏感？
（提示：均值会跳，方差会暴增，偏度会被拉成更大正数，峰度会爆——因为四次方对极端值的惩罚最重。这就是为什么峰度经常被用作离群值检测器。）
核心概念八 · 中心极限定理——样本均值的归宿（约 2 分钟）¶
最后讲今天最浪漫的定理——中心极限定理 (Central Limit Theorem, CLT)。
直觉：你从任何分布（掷骰子、均匀分布、甚至是个乱七八糟的分布）里反复抽样，每次抽 \(n\) 个，算它们的样本均值 \(\bar X\)。当你重复很多次，\(\bar X\) 的分布会趋近正态分布——不管原始分布长啥样。
\(\mu\) 是总体的均值，\(\sigma^2/n\) 是样本均值的方差——它比单次观测的方差小 \(n\) 倍。
这是统计推断的命根子。为什么？因为我们日常能拿到的，几乎都是样本均值——"今天电池平均能用 8 小时""这家店客单价 87 元"。CLT 告诉我们：只要样本量 \(n\) 够大，这些均值就会服从正态分布——而正态分布的数学性质最干净，可以用闭式公式算概率。
下面我们用一个完整数字例把 CLT 落地。原始分布是公平骰子——它的 PMF 是个 \(1/6, 1/6, \dots\) 的均匀分布，不是正态。
每次抽 \(n = 30\) 个骰子点数的样本均值，重复做 \(N = 10{,}000\) 次。CLT 预言：\(\bar X\) 的分布会接近 \(\mathcal{N}(\mu = 3.5,\ \sigma^2/n = 35/12/30 \approx 0.097)\)，即 \(\mathcal{N}(3.5,\ 0.097)\)。标准差 \(\sigma/\sqrt{n} = \sqrt{35/12}/\sqrt{30} \approx 1.708 / 5.477 \approx 0.312\)。
模拟 10,000 次得到：
跟预言吻合 ✓。
⏸️ 暂停思考 · 第二次
为什么 CLT 在工程里这么重要？想想你做 A/B 测试、测响应时间、估算转化率——你得到的几乎都是样本均值，而不是单次观测。CLT 是这些场景全部能用正态近似的根据。
一个走完全程的例子（约 2.5 分钟）¶
把所有概念串一遍。我用一家工厂的质检场景。
背景：某工厂历史数据显示，每件产品的次品率 \(p = 0.02\)，服从伯努利分布（离散，每件要么合格要么不合格）。现在质检员抽了 \(n = 50\) 件样本，发现有 \(k = 4\) 件次品。问：这次抽样结果正常吗？
Step 1 · 分布。每件产品合格/不合格是一个伯努利随机变量 \(X_i\)，\(P(X_i = 1) = 0.02\)（次品），\(P(X_i = 0) = 0.98\)（合格）。\(X_i\) 的 PMF 是 \(p(0) = 0.98,\ p(1) = 0.02\)。\(\sum p(x) = 1\) ✓。
Step 2 · 单个 \(X_i\) 的期望与方差。\(E[X_i] = 1 \cdot 0.02 + 0 \cdot 0.98 = 0.02\)。\(\mathrm{Var}(X_i) = E[X_i^2] - E[X_i]^2 = 0.02 - 0.0004 = 0.0196\)，\(\sigma = 0.14\)。
Step 3 · 总次品数 \(K = \sum X_i\)。\(E[K] = 50 \times 0.02 = 1\)。如果各件独立，\(\mathrm{Var}(K) = 50 \times 0.0196 = 0.98\)，\(\sigma_K = 0.99\)。
Step 4 · 观测 4 件次品。\(k = 4\)，比均值 \(1\) 高出 \(3\) 个标准差（\(z = (4 - 1)/0.99 \approx 3.03\)）。按正态近似（CLT，因为 \(n = 50\) 足够大），\(P(K \ge 4) \approx 1 - \Phi(3.03) \approx 0.0012\)。
结论：抽到 4 件次品不太正常——在正常次品率下发生的概率只有 0.12% 左右。这提示产线可能出了问题，值得排查。
这一个例子用到了今天所有概念：分布（伯努利）、随机变量（\(X_i\)）、PMF、期望、方差、CLT。下次你们看到任何 A/B 测试、临床试验、SPC 质量控制的报告——背后都是这一套组合拳。
易错点回头看（约 90 秒）¶
三条最常翻车的地方：
坑一 · 很多人以为"期望就是平均值"，其实期望是理论值，平均值是样本估计。期望 \(E[X]\) 从分布算出来，永远等于 3.5（公平骰子）；平均值 \(\bar X\) 从样本数出来，每次不一样。两者差别的极致版本叫大数定律——样本均值随 \(n\) 增大收敛到期望。
坑二 · 很多人以为"\(f(x)\) 在某点的值就是该点的概率"，这是连续情况下致命的错误。连续随机变量在任何一个具体点的概率严格等于 0。你只能问区间内的概率，要用积分。\(f(x)\) 是密度，量纲是"概率 / \(x\)"，不是"概率"。
坑三 · 很多人以为"方差有线性性"。其实方差对常数加法不变（\(\mathrm{Var}(X + b) = \mathrm{Var}(X)\)，整条曲线平移散开程度不变），但对常数乘法要平方（\(\mathrm{Var}(aX) = a^2 \mathrm{Var}(X)\)）。两个变量相加的方差只有在它们独立时才等于 \(\mathrm{Var}(X) + \mathrm{Var}(Y)\)；否则要加上协方差。
与下节的钩子（约 30 秒）¶
今天我们讲了统计学的全套语言：分布、随机变量、PMF/PDF/CDF、期望、方差、矩、中心极限定理。但还有一个问题没解决——当你手里只有一份样本数据，怎么用它去估计总体的均值和方差？ 样本均值 \(\bar X\) 和样本方差 \(s^2\) 之间到底什么关系？为什么 \(s^2\) 的分母是 \(n - 1\) 而不是 \(n\)？
下一节 §02 描述性度量，我们用今天这套语言，对真实数据动刀——手算均值、方差、中位数、分位数，并解释每一步为什么要这么算。
下次见。