Statistics

统计学有两大流派，它们的根本分歧不在方法，而在「概率」这个词的定义：

最大似然估计（Maximum Likelihood Estimation, MLE）是统计学的核心工具：给定观测数据，找出最可能产生这些数据的参数值。

贝叶斯网络（Bayesian Network）是有向无环图（DAG），节点是随机变量，有向边表示条件依赖关系。它把高维联合概率分解为局部条件概率的乘积，让复杂系统变得可计算、可解释。

重抽样方法（Resampling Methods）通过反复从数据本身抽取样本来估计统计量的分布，不依赖任何分布假设。这是统计学的「无理论推断」——让数据自己说话。

因果推断（Causal Inference）研究「如果干预 X，Y 会怎样」——这是比相关更深的问题。Judea Pearl 把「相关」和「因果」的鸿沟形式化：观察 P(Y|X) 与干预 P(Y|do(X)) 是不同的对象，需要专门方法跨越。