相關概念

1.取樣相關概念

• 總體：研究物件的全體
• 樣本：從總體中的隨機抽樣
• 取樣偏差：是由於抽樣過程中沒有達到足夠隨機而產生 
  抽樣的方式會嚴重影響樣本的隨機性，從而影響對總體的預測，抽樣的方法有多種，可以使用一定的方法來減小取樣誤差，然而取樣誤差是無法避免的。

2.誤差：不確定性的某種表示

• 標準差：使用標準差畫error bar；用於表徵資料分散程度

  • 總體標準差：

  • 樣本標準差：

• Bootstrap置信區間：用總體統計量的估計區間畫error bar；用於表徵資料的波動範圍 
  • 可重複取樣：抽取的個體仍可參加下次取樣，常用於估計總體統計量的置信區間
  • 如何使用Bootstrap計算置信區間（Quantile演算法）：用重取樣的取樣方法，計算統計量並排序，取相應的分位數，作為置信區間的邊界 
    推薦閱讀:如果你有興趣，可以閱讀《An Introduction to the Bootstrap》這本書瞭解更多關於Bootstrap的知識和其他計算置信區間的方法
  • seaborn畫圖引數區別：1）使用標準差繪製error bar：ci=’sd’ 2）使用Bootstrap置信區間畫error bar：ci & n_boot

Error Bar

黑線即為Error Bar，在每一列上的Error Bar 表徵：在給定的置信區間下，統計量的範圍會在黑線內波動。

補充知識

1.取樣方法

抽樣的目的是用樣本推測總體的情況，這也是推斷統計需要的內容，取樣偏差的存在及大小會影響對總體引數的估計，因此對於取樣方法的選擇就尤為重要了 
請閱讀：

• 隨機抽樣方法整理，瞭解不同的取樣方法，掌握基於分佈、基於累計概率分佈函式、基於不獨立樣本的取樣方法

2.置信區間的定義：

在統計學中，置信區間是指由樣本統計量所構造的總體引數的估計區間。在統計學中，置信區間是一個非常重要的概念。 
請閱讀以下材料，瞭解置信區間的基本概念和置信區間的一個小應用

3.無偏估計

本節視訊列出的總體方差的估計公式是無偏，那麼為什麼要使用無偏估計，無偏估計又有什麼好處呢？請閱讀以下連結，瞭解無偏估計是什麼

統計學的知識是資料分析的基礎，瞭解了概率統計的概念之後，你可以更好的理解這些統計量是怎麼得來的，以及是怎樣反映總體特徵的

擴充套件閱讀

Bootstrap方法

Bootstrap是一種對引數的推斷方法，使用的是重複抽樣的方法，對多次抽樣得到的樣本進行分析，在掌握了Python的基礎知識之後，可以自己編寫程式碼實現，請參考：

抽樣的應用

如果你對抽樣的實際應用還有些模糊，閱讀以下連結，感受抽樣的魅力