数学与统计学知识卡片(持续更新ing)

一句话抓住本质#

判断充分条件和必要条件时，不要先看语序，只看箭头：

• $A\Rightarrow B$：$A$ 是 $B$ 的充分条件，$B$ 是 $A$ 的必要条件。
• $A\Leftrightarrow B$：$A$ 与 $B$ 互为充要条件。

可以把它记成：

• 充分条件：有它就够了。
• 必要条件：没有它不行。

充分不必要与必要不充分#

若 $A$ 是 $B$ 的充分不必要条件，则

由 $A\Rightarrow B$ 可知：

• $A$ 是 $B$ 的充分条件；
• $B$ 是 $A$ 的必要条件。

再由 $B\nRightarrow A$ 可知，$B$ 不是 $A$ 的充分条件。因此：

若 $A$ 是 $B$ 的充分不必要条件，那么 $B$ 是 $A$ 的必要不充分条件。

例如：

$A$：一个整数能被 4 整除；
$B$：这个整数能被 2 整除。

显然 $A\Rightarrow B$，但 $B\nRightarrow A$。因此，“能被 4 整除”是“能被 2 整除”的充分不必要条件；反过来，“能被 2 整除”是“能被 4 整除”的必要不充分条件。

充要条件中的充分性与必要性#

“$P$ 的充要条件是 $Q$”表示

证明时要完成两个方向：

语序到底影响什么#

“$P$ 的充要条件是 $Q$”与“$Q$ 的充要条件是 $P$”在逻辑上等价，因为

与

表达的是同一个等价关系。

但是，语序会影响证明中哪一个方向被称为充分性，哪一个方向被称为必要性：

所以考试中真正要注意的不是两句话是否等价，而是题目要求你证明哪句话，以及当前证明方向应当叫什么。

快速判断法#

遇到“$P$ 的充分条件、必要条件或充要条件是 $Q$”时：

1. 先把 $Q$ 看作条件，把 $P$ 看作结论。
2. 充分性写成“条件推出结论”：$Q\Rightarrow P$。
3. 必要性写成“结论推出条件”：$P\Rightarrow Q$。

最终只认箭头，不靠语感。

核心区别#

• 概率论：已知总体的概率模型，研究该模型可能产生什么样的数据，以及各种结果出现的概率。
• 统计学：已经观测到来自总体的样本数据，据此反推未知的概率模型、参数或总体特征。

两者的推理方向正好相反：

概率论：从模型到数据；统计学：从数据到模型。

统计学的两类方法#

1. Statlect：概率、统计与矩阵代数的在线教材#

网址：https://www.statlect.com/

它是免费的英文教材，内容包括概率论基础、常见概率分布、数理统计、渐近理论、矩阵代数，以及部分机器学习内容。

你可以在里面学：

• 概率基础：随机变量、期望、方差、条件概率、贝叶斯公式。
• 统计推断：最大似然估计、置信区间、假设检验、线性回归。
• 进阶理论：大数定律、中心极限定理、不同类型的随机收敛。
• 数学工具：矩阵、特征值等统计学常用的线性代数知识。
• 部分机器学习方法：配有详细注释的 Python 示例。

它的优势是围绕一个主题把定义、解释、公式、推导和例子组织在一起，还有习题和图示，适合相对连续地读。

比如，你在论文里看到“最大似然估计”，可以去读它的最大似然章节，把这个方法的目标、数学表达和相关性质串起来。

不过，它整体仍偏数学，遇到进阶章节需要一定微积分、线性代数和概率基础。可以把它当作大学课程的补充教材，或读论文时补基础的工具。

2. StatProofBook：统计学结论的证明库#

网址：https://statproofbook.github.io/

全名是 The Book of Statistical Proofs。它是一个开放、协作编辑的统计定理与证明档案，包含定义和证明，可以按主题或编号查找，也提供整本 PDF。

它的目录主要围绕：

• 一般定理，包括概率、期望、方差等。
• 概率分布及其性质。
• 统计模型。
• 模型选择准则。

它的特点是把问题拆得非常细。例如，在“期望”下面，会分别列出线性性、单调性、全期望公式等证明；在概率密度函数下面，会分别列出变量变换、独立随机变量求和等结果。

这很适合你遇到这样的情况：

课本或论文直接写出一个公式，但中间几步省略了，我想知道依据是什么。

这时可以从完整目录找对应命题，沿着定义和证明逐步核对。它尤其适合做理论作业、检查推导，或阅读论文时补上某一步。

局限是，它更侧重证明本身，学习动机、直观解释和应用故事相对少。初学时从头逐条读，容易陷进细节；带着明确问题查，通常更高效。

怎么搭配用？#

假设你正在学正态分布：

1. 先用 Statlect 了解定义、参数、图像及主要性质。
2. 对某个性质有疑问，例如“为什么方差是这个表达式”，去 StatProofBook 找对应证明。
3. 自己把推导写一遍，再用例题或代码验证理解。

如果现在只挑一个开始读，我建议先用 Statlect；把 StatProofBook 放在旁边，作为推导卡住时的参考。 两个网站的符号和参数约定可能不同，交叉查阅时要先核对定义，尤其注意同一个分布里的参数究竟表示方差、标准差、尺度还是率。