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。

统计学不是"算p值"，而是在有限数据下做出可靠推断的方法论。它是芒格思维模型网格中"如何从数据中学习"的核心工具。