Statistics — 统计推断思维模型

从频率到贝叶斯——理解数据背后的真相

---

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。

现有 mathematics/ 中的概率统计课偏向应用直觉，本课程深入统计推断的方法论层面：

• 频率学派 vs 贝叶斯学派：两种概率哲学的根本分歧
• 最大似然估计：从数据反推模型参数——“最可能产生这些数据的参数是什么”
• 贝叶斯网络：用图模型表示变量间的因果依赖
• 重抽样方法：bootstrap、交叉验证——不依赖分布假设的推断
• 因果推断进阶：do-calculus、倾向得分匹配、工具变量——从相关到因果

---

课程目录（5 课）

#	主题	核心思维模型
0001	频率学派 vs 贝叶斯学派	两种概率哲学、置信区间vs可信区间、长期频率vs主观信念
0002	最大似然估计	似然函数、MLE直觉、与贝叶斯估计的关系
0003	贝叶斯网络	有向无环图、条件独立、d-分离、因果图
0004	重抽样方法	bootstrap、交叉验证、置换检验、不依赖分布假设
0005	因果推断进阶	do-calculus、倾向得分匹配、工具变量、断点回归

---

与其他课程的关系

• mathematics/：本课程是 mathematics 中概率统计课的进阶版
• medicine/：流行病学方法是统计推断的典型应用
• economics/：计量经济学直接应用统计推断
• history/：幸存者偏差——统计推断的典型陷阱