点击进入!

　　话说转眼学习进入第三关德州扑克技巧。

我们社群学习的路线很清晰，目标是学会数据分析，学以致用找到好工作实现更高的人生价值。

于是首先认识大数据，继而学习PYTHON工具，第三关主要是学习概率的基本知识，接下来就是用这些知识切切实实解决问题，首先是简单的，然后是真实复杂的。

　　书归正传，概率知识在高中基本涉猎，大学也上过《概率知识与统计》，著名的与高数，线性代数合成的“高数三大碗”之一，但是当时理论颇多，枯燥难学。

但是通过社群学习，确实活生生的体会到了概率的神奇之处。

对知识作简单梳理如下：

　　?分散性与差异性的度量：名字很专业，其实很实用，所谓的实用就好像以前的塞班智能机和苹果手机一样，更简洁，更精准，更容易使用。

　　拿工资作比喻，现在年末了，大家可能会拿出工资条看看，上面就有一年工资的全部数据，把这些工资条整理一下做个对比会发现每个月工资有低有高。

其中你注意到最高工资和最低工资差了2000元，这就是所谓的这组工资数据的全距，描述的就是最高工资和最低工资之间的差距。

然后把所有工资加起来，除以个12个月，就是每个月工资的均值。

　　这是简单的描述一下，如果是分管工资的财务人员，需要对整个公司的工资总结处理，那么光看全距和均值肯定就不够了。

　　这时就需要看一下工资的分布情况，按工资多少对所有的个人做个排队，将人数化为四等分，然后看到第一个等分点那个人的工资是多少，第二个是多少，以此类推。

然后看一下每个25%人数所在的工资范围，这就是四分位法处理一下数据，在图形上表达出来就是箱形图。

为了描述的统一方便把每个等分点叫个名字上等分点，下等分点等等。

　　四分位法描述比光用均值和中位数等等参数更能细致的描述数据，但是对于存在异常值的数据造成的影响无能为力，于是才引出方差这种更可靠，更精确的参数。

　　每个数据集方差的值：每个数据与均值的差进行平方，之后所有平方值求和。

这样将每个值距离均值的大小都量化处理，加起来之后如果值越大说明数据和均值距离越大，数据在图像上分的更开，就是所谓的更为离散。

　　之后的标准差，标准分等参数都是在方差的基础上稍作处理，达到更细致，更直观表达数据体现出来的离散性的结果。

　　雅虎和谷歌的财经数据都因为接口不稳定而搜索不到数据，有点扫兴，但是还是把代码熟悉了一下，包括怎样导入pandas包和matplotlib包，利用扩展包进行处理绘图。

因为这也是《使用Python进行数据分析》这本书的主要内容，之后的学习肯定会专门练习，所以没有从网站获取到数据也没有太过纠结。

金宝博亚洲初盘：法国 0.94 一球/球半 0.99 洪都拉斯

　　《深入浅出统计学》中主要用概率计算、离散概率分布运用、排列组合和几种经典的数据分布。

本质上仍然是对数据进行加工，提炼出数据具有的价值。

　　对简单的数据需要寻找合适的一个或多个准确的指标确认概率，而在今后将要实际解决问题时计算概率需要从可靠的来源获取数据信息，比如政府网站，权威的官方公布的数值。

　　离散概率分布运用提出了期望的概念，先计算每一种事件量化后的值与该事件对应的概率的乘积，所有乘积之和就是期望。

书中是使用老虎机计算，十分贴近生活。

　　排列组合这一主题仍然是前面主题的延伸，第一章介绍了概率的计算方式，而排列组合最大的作用就是求出事件发生数目和所有事件数。

也就是说排列组合就是规范简化实际情况下计对概率的计算。

其中有很多的概念和公式，本想贴上来，但是觉得太过复杂反而让人生厌， 把握住排列组合的根本目的然后再去学习会更加的条理清晰，就没有复制这些公式和定义了。

　　数据分布主要介绍了经典的分布，如几何分布、二次分布和泊松分布，大多数数据分布都表现出与这些分布较高的符合性。

因此掌握这些分布可以应对以后工作中大部分问题。

当然这些知识也是与之前知识紧密联系的，通过前面介绍的方差期望来参数化描述各个分布，求出未来事件发生的概率。

　　还有相对于大数定律的小数定律：数据量不够大时往往不相关的数据也会表现为相关；还有墨菲定律等概念十分有趣。

　　学习本章之后我最大的收获就是标题：概率时间与众生引灌的一朵金花，就是说我们每个人乃至于每个生命每时每刻都在进行着变动，而每个变动都可以被量化。

感谢科技的发展，这些变动正在被大量的记载下来，已经记录下来的数据进行统计学的处理展现出其规律，再进行模型的嵌套和修正，可以计算出数据的期望和方差等等参数，在今后更长的时间内每个个体会进行更多的变动。

　　变动的结果无限接近其均值，这就实现了预测。

所以赌场也好，娃娃机也好只要有足够多的人来玩，开放的时间足够长，结果就越接近于期望。

商家所需要的不过是根据期望做出合适的定价，盈利是肯定的。

这就是所谓的金花呀！德州扑克技巧