概率论
概率论是数学统计学的基础，它研究随机事件发生的可能性和规律。以下是概率论的核心概念：
1. 随机事件
随机事件是指在相同条件下可能发生也可能不发生的事件。例如，掷一枚硬币，正面朝上或反面朝上都是随机事件。
2. 概率
概率是衡量随机事件发生可能性的数值，取值范围在0到1之间。例如，掷一枚公平的硬币，正面朝上的概率为0.5。
3. 条件概率
条件概率是指在已知某个事件已经发生的情况下，另一个事件发生的概率。公式为：P(A|B) = P(AB) / P(B)，其中P(AB)表示事件A和事件B同时发生的概率。
4. 独立事件
独立事件是指两个或多个事件的发生互不影响。如果事件A和事件B是独立的，那么P(A∩B) = P(A)P(B)。
数理统计
数理统计是应用概率论和数学方法对数据进行分析和解释的学科。以下是数理统计的核心概念：
1. 样本与总体
样本是从总体中抽取的一部分个体，用于推断总体的特征。总体是指研究对象的全体。
2. 随机变量
随机变量是表示随机事件结果的变量。随机变量分为离散型和连续型两种。
3. 分布
分布是描述随机变量取值概率的函数。常见的分布有正态分布、二项分布、泊松分布等。
4. 参数与估计
参数是描述总体特征的数值。估计是指根据样本数据推断总体参数的过程。
推断统计
推断统计是利用样本数据对总体特征进行推断的统计学方法。以下是推断统计的核心概念：
1. 假设检验
假设检验是利用样本数据检验对总体特征的假设是否成立的方法。常见的假设检验方法有t检验、卡方检验、F检验等。
2. 估计量
估计量是根据样本数据计算出的用于估计总体参数的数值。例如，样本均值、样本方差等。
3. 误差
误差是指估计值与真实值之间的差异。误差分为随机误差和系统误差。
描述统计
描述统计是利用样本数据描述总体特征的统计学方法。以下是描述统计的核心概念：
1. 集中趋势
集中趋势是指描述数据集中程度的指标。常见的集中趋势指标有均值、中位数、众数等。
2. 离散程度
离散程度是指数据分布的分散程度。常见的离散程度指标有极差、标准差、方差等。
3. 分布形态
分布形态是指数据的分布形状。常见的分布形态有正态分布、偏态分布、均匀分布等。
时间序列分析
时间序列分析是研究时间序列数据变化规律和预测未来趋势的统计学方法。以下是时间序列分析的核心概念：
1. 时间序列
时间序列是由时间顺序排列的一组数据。例如，某股票在过去一年的每日收盘价。
2. 自相关
自相关是指同一时间序列在不同时间点的数据之间的相关性。自相关是时间序列分析的基础。
3. 模型
时间序列分析常用的模型有自回归模型、移动平均模型、差分自回归移动平均模型等。
通过掌握这些数学统计学核心板块，我们可以更好地解读数据，为决策提供有力支持。