统计推断是机器学习的数学地基，涵盖从数据到结论的完整逻辑。
核心概念
| 概念 | 说明 |
|---|---|
| 点估计 | MLE、MAP |
| 区间估计 | 置信区间、标准误 |
| 假设检验 | p值、t检验、卡方检验 |
| 贝叶斯推断 | 先验、后验、似然 |
学习路径
第1周：概率基础 + 点估计 + 区间估计 + 假设检验
第2周：贝叶斯推断 + Python实战
最小知识集
- 条件概率、贝叶斯公式
- 常见分布（伯努利、高斯）
- 期望、方差
- 最大似然估计（MLE）
- 置信区间
- p值与假设检验
推荐教材
| 难度 | 教材 |
|---|---|
| 入门 | 《统计学》（Freedman） |
| 中等 | 《统计推断》（Casella & Berger） |
| 进阶 | 《PRML》（Bishop） |
实战项目
- 用模拟验证中心极限定理
- 用MLE拟合高斯分布
- 用Beta-Binomial做贝叶斯推断
- A/B测试（假设检验实战）