统计学的一个基本部分取决于正态分布，考虑到由于 中心极限定理，几乎所有的分布都会趋近于正态分布，这一点是有道理的。
如果您看过我的统计学文章，就应该熟悉 t 检验，并知道它将两个正态分布相互比较。不过，你可能还没有深入了解过我下面介绍的 4 个指标（尤其是它们是如何可视化的），因为在典型的统计学基本课程中，这些指标经常被跳过或一笔带过，没有做过专项研究这些。我希望这篇回顾能帮助你更深入地理解这些基本的统计概念。
在统计假设检验中比较什么？🤔
当你对数据进行 t 检验时，你到底在比较什么？您是在检查数据是来自一个特定正态分布还是另一个正态分布。简单的统计检验会将零假设设为零。常见统计检验的例子包括实施 t 检验，其中的零假设是总体平均值差值等于零；另一个例子是线性回归，其中的零假设是斜率等于零。
了解错误概率对于解释统计检验结果至关重要。在比较结果是正确还是错误时，使用混淆矩阵是直观显示两个选项（即类别）决策的常用方法。一个典型的混淆矩阵看起来可能与下面相似，机器学习更倾向使用这种方法进行模型评估，本质上是将预测结果与真实结果（2列）进行列联表操作：
混淆矩阵