资源介绍
视频数量：51个
总时长：6小时51分
课程介绍：
统计推断：中心极限定理与假设检验实战
你有没有遇到过这种情况：老板让你从一堆数据里判断某个新政策到底有没有效果，或者让你根据一小部分用户的反馈推测整个市场的情况。这时候你会怎么做？拍脑袋决定？还是觉得数据太少根本没法得出结论？
如果你懂中心极限定理和假设检验，这两件事其实没那么难。
这门课要教你的，恰恰就是这些听起来高大上、实际上非常实用的统计方法。课程用将近7个小时、51个视频，把中心极限定理和假设检验讲得清清楚楚。
先说连续概率分布这部分。你会学到均匀分布和正态分布是怎么回事。正态分布特别重要，因为自然界和商业世界里太多数据都符合这种分布规律——身高、考试成绩、产品质量误差，都是正态分布的典型例子。课程会手把手教你计算z值、查概率表、用Excel做正态分布的相关计算。不光讲原理，还配了9道练习题让你练手，做完之后看到类似问题心里就有底了。
抽样和抽样分布是理解中心极限定理的前提。你会搞清楚什么是简单随机抽样，怎么从有限总体和无限总体里抽样本，怎么用样本数据去估计整体参数。最关键的部分来了——中心极限定理。简单说，就是不管原始数据是什么分布，只要你抽样抽得够多、样本量够大，样本均值的分布就会越来越接近正态分布。这条定理是整个统计推断的基石，它回答了一个根本问题：为什么我们可以用一小部分样本来推断整体的情况。课程专门用一整节来把这个定理掰开了揉碎了讲，直到你真正理解它为什么成立、理解为什么大样本比小样本更可靠。
假设检验是课程的重头戏。你会学到怎么提出原假设和备择假设，怎么确定检验类型和拒绝域，怎么判断要不要拒绝原假设。这部分有两个特别实用的方法：临界值法和p值法。临界值法是传统的做法，先算出临界值，然后把样本统计量跟它比。p值法更现代也更直观，它直接告诉你观测到的结果在原假设成立的前提下出现的概率有多大。课程为每种方法都配了详细例题，从单个例题讲解到多个例题反复演示，确保你能真正掌握。两种错误类型——第一类错误和第二类错误——也会专门分析，告诉你它们分别是什么意思、会产生什么后果。
整个课程学下来，你会建立起一套完整的统计推断思维框架。不再只是机械地套公式，而是真正理解每一步为什么要这么做。当你拿到一组数据，脑子里会自然地出现一条分析路径：先看数据分布特征，再确定抽样方法是否合理，然后用样本推断整体，最后通过假设检验给出结论。这个能力在数据分析、市场调研、质量管理、学术研究这些场景里都特别值钱。
课程适合正在学习统计学的本科生和研究生，尤其是要应对考试的学生。也适合工作中需要做数据判断的职场人，比如做用户研究的、产品分析的、质量控制的。没有太高深的数学要求，懂基础代数就能学，但学完之后你会发现原来统计可以这么用。