数据分析必备 | 统计学类高频考点精简框架梳理
#笔试速成法#
前面已发帖，针对【数据分析岗】笔试题型做了系统梳理总结；
并针对 【SQL类】 高频考点做了进一步拆解 ↓
（内含每种题型的 考核方向、核心考点、应对技巧、注意事项）
https://www.nowcoder.com/discuss/707946
（内含每种题型的 考核方向、考点解析+实例）
这篇，我们重点拆解下【概率论】类题型 的高频核心考点。
内含 高频知识点、考点举例 。
本篇先对此类题型涉及的知识点，做系统梳理，让大家先有个框架概念
后面，会根据需要结合笔面试题开展 【概率论】系列 文章的 深入讲解， 敬请期待！
------正文手动分割线------
人狠话不多，直接上梳理框架：
贝叶斯公式
▼ 画重点：贝叶斯公式一般以选择题的方式出现，重点熟记贝叶斯公式。
P(B|A) = P(A|B)P(B) / P(A) ，以及贝叶斯全公式。
▼ 考点举例：三门问题。简单来说贝叶斯就是让你不相信直觉。
随机变量及其分布
▼ 画重点：笔试题会针对以下内容，灵活出题 ↓-
重点掌握正态分布 | 二项式分布 | 均匀分布等常见分布类型。
- 方差与期望定义、性质需要重点掌握。
▼ 考点举例：携程客服1小时内接听的电话数属于什么分布。
三大抽样分布
▼ 画重点：卡方分布 | F分布 | T分布。
▼ 考点举例：结合应聘公司的业务背景，举例说明这三大分布的应用场景。比如小样本AB测试如何进行显著性检验。
参数估计
▼ 画重点：最大似然估计 | 无偏估计 | 区间估计。
▼ 考点举例：参数估计以选择题出现的方式最多，需重点掌握这些估计的定义及相关推导证明。
假设检验
▼ 画重点：这是AB实验非常核心的知识点。AB实验作为互联网科学量化业务增长及ROI测算的基石，因此，掌握假设检验很！重！要！
▼ 考点举例：第一类错误和第二类错误的定义。回归分析
▼ 画重点：虽然数据分析师不像算法工程师需要对算法了如指掌，但是常规的回归分析无论是面试、还是日常工作，还是非常有必要掌握的。
▼ 考点举例：一元线性回归的主要前提假设是什么。
其他考点
▼ 画重点：相关性检验 | 峰度 | 偏度 | 统计量 | 组合概率。
重点掌握这些知识点的定义及性质。▼ 考点举例：Person、 Kendall、Spearman三种相关分析方法异同。抽奖问题。
重点总结：出题者，一般会针对常用题型进行参数修改。
练习建议：所以，可以对课本经典题型进行重点理解，手算一遍最好~
后面，也将结合 笔面试题 开展 【概率论】系列 的文章 细致讲解。
如有疑问，欢迎在评论区交流~😁
贝叶斯公式
贝叶斯公式
每次去实验室都得接一杯免费的开水回去，出门都得规划一下最短路径，在宿舍就吃南边的食堂，在实验室就吃北边的食堂，快递只有顺路的时候才取。