第3章： 随机变量，密度函数，一元线性回归模型

1、对立事件和互斥事件区别：两者都是当一个事件发生时，另一个事件不发生。区别在于样本空间，对立事件只有这两个事件，而互斥事件不仅只有两个。

ps：对立：硬币只有两面，不是正面就是反面。

互斥：骰子有六面，1、2、3、4、5、6个点。当出现1时，不会出现2。

大数定理：在随机事件的大量重复出现中，往往呈现几乎必然的规律，这个规律就是大数定律。通俗地说，这个定理就是，在试验不变的条件下，重复试验多次，随机事件的频率近似于它的概率。比如，我们向上抛一枚硬币，硬币落下后哪一面朝上本来是偶然的，但当我们上抛硬币的次数足够多后，达到上万次甚至几十万几百万次以后，我们就会发现，硬币每一面向上的次数约占总次数的二分之一。偶然中包含着某种必然。

中心极限定理：。在自然界与生产中，一些现象受到许多相互独立的随机因素的影响，如果每个因素所产生的影响都很微小时，总的影响可以看作是服从正态分布的。中心极限定理就是从数学上证明了这一现象 。

众数：出现频率最高的事件。

               

平行关系：相关分析指的不是常见的自变量与因变量的那种关系，ps：逻辑思维好的人，一般数学和物理都很好，那这里的数学和物理就是相关分析。

             最小二乘法求回归模型：下图中各点到直线的距离（平行于y轴的直线距离，非垂直于直线的距离）平方和最小 。 

            signif越显著，则模型越合理。

R-squared越大，模型越合理。