如何簡明地解釋「線性回歸」「貝葉斯定理」「假設檢驗」這些術語？

01-14

用大白話（即沒學過統計學的人都能理解）解釋。一定要通俗易懂！

你的領導給你一個任務，去調查某個地方算不算美女多的地方。當然，你的領導有自己的美女判定標準，假設評價一個女子的好看程度有三個屬性：臉蛋，身材，氣質。

首先他要給你一些例子，比如她覺得奶茶是美女，高圓圓長的一般，范冰冰長的不好看。從這些例子裡面，你大概能知道你領導的審美標準，臉蛋、身材、氣質這三個屬性大概各占什麼樣的比例。這就是回歸。如果我們最終的美醜得分是把這三個標準的結果線性相加，就是線性回歸。

現在你能夠判斷一個女子是否是美女。你來到這個地方，一連碰到5個女子，按之前的標準判斷，全是美女，那麼你會不會認為這個地方的女子全都是美女呢？一般來說不會。因為經驗告訴你，任何地方都有美女和醜女，不太可能只能出現只有美女沒有醜女的地方，這個就是先驗。如果你按這種方式思考，你會認為這個地方可能美女的比例比較高，但不會認為這裡的女子全是美女，這就是貝葉斯的思想。

最後，你的領導目的是讓你調查這個地方的美女多不多，那麼多不多最終是要有一個標準的，而你又沒有辦法遍歷當地的每一個女性。所以你肯定有一套方案，比如說隨機訪問100個女性，如果超過80個女性是美女，你就認為該地是一個美女多的地方，反之則不是。那麼之前提到的方案可以看成是一個假設檢驗。

試著回答一下前兩個

1）線性回歸（Linear Regression）：假設你在紙上畫了一堆點，然後打算畫一條線，這些點到這條線的距離盡量得短。怎麼找這條線呢？方法就是Linear Regression。有了這條線，希望用它來預測之後出現的點都會在它附近。

2）貝葉思（Bayes Theorem）：

假設說我知道(1)明天是下雨的機率是A，(2)明天打雷的機率是B，(3)如果明天下雨了，那麼就會打雷的機率是C。那麼Bayes表示，如果明天打雷，那麼下雨的機率是C*A/B。概括來講，就是描述如果X那麼Y的機率，和如果Y那麼X的機率之間的轉換關係。

不知道這樣講可以不？

@袁樹侖你老邀請我回答這類問題居心何在？！害我大周末不能安心看電影！

我倒是經常嘗試跟文科女解釋這些東西，以檢驗是否能通俗解釋。

好，現在我就假想我要跟文科女解釋這幾個東西好了，說錯了也不要苛責我啊，反正是給文科女解釋的，能得到芳心就達到目的了，哇咔咔。。。

【線性回歸】

「越長大越孤單」，如果說年齡大一歲，孤單多一分的話，那這就是孤單和年齡線性回歸。

【貝葉斯】

你原來有三觀（先驗），但是當你經歷一些事後（觀察），你的三觀會被重新建立，或者被毀三觀（後驗）。

【假設檢驗】

文科女說：不把工資卡交給老婆的男人有九成可能不會成功。

我要反駁她這句話，必須得先假設她是對的。然後再按照她的說法去觀察周圍的男人，交工資卡和成功的事實都如何，並且默默地記在自己的小本上。

如果她說的這句話是對的，那麼我小本上記的結果就會很明顯，否則的話，哼哼，我就不承認她這句話！

看了三個現有回答，我想補充一點關於假設檢驗。

舉個稍微生動點的例子。

你是常年在外出差的小明，很少回家，而家有閑妻一枚。隔壁住著被女性鄰居頻頻點贊的老王。

某一次離開家二十天多天後突然回家，並沒有告知妻子，忽然發現老王也在家裡喝茶。。。

妻子解釋說，老王就是今天過來被你撞見了。

你陷入了沉思，妻子說的是不是事實呢。那不妨先假設妻子說的是真的，那這件事(你回來看到老王)發生的概率不到5％。統計學意義上，做了一次實驗，是幾乎不可能產生發生概率只有5％的事件。於是，學過統計的你，默默否定了這個可能性。。

以上過程就是假設檢驗。

假設檢驗的過程如其名，先對問題做出假設，然後計算這種假設發生的概率，如果概率低於5％或者1％，則認為在一次實驗中不可能發生，進而否定這個假設。