图中第四点指的是因为选择新变量a和b,在其相应的adjusted R2 (a) 和adjusted R2 (b)之间进行比较吧？

统计学的基本思路和方法框架是不是通过容量足够大的样本的均值与方差，可以逼近总体真值，这样就可以以样本均值与方差为基础，计算出总体分布中的关键参数，然后对总体或者后续事件进行模拟与估计，一般通过设定值与样本均值有几个标准差的差距进行了概率估计或者假设检验? 但是通过大样本抽样得到的均值与方差是无法进行检验真伪的，因为它们是后续估计的核心参数，于是就存在了一类和二类错误。关于实行操作，以正态分布为例，所有分布的样本均值均服从总体均值为u, 标准误为SEE的正态分布，但这仅仅在理论上成立，往往总体均值不可知，由大数定律与中心极限定理，我们可以用大样本多次抽样的均值代替u从而计算出SEE,而关于SEE，在某些条件下也不允许做多次抽样，这种情况下，只要单次抽样容量足够大（大于30），单次抽样的SD除以容量的平方根可以用来估算代替多次抽样均值的SEE,这样便统一了理论的正确与实践的可行。而且关于总体分布函数，可以通过简单事件的多次试验模拟出来，比如正态分布就是通过二项分布渐近得出。而至于统计学中的等于号，应该理解成趋向于（或者是无偏估计量的概念）而不是数学严格意义上的完全等同，因为统计学的方法是以样本代替总体，样本可以代表总体但不是总体。我的理解有哪些误区？望指正，这样可以更好地理解CFA是如何看待金融市场的。谢谢

F检验统计量f=MSR/MSE,实际计算结果如果大于查表数据，说明的问题是线性回归的解释力度R2已经可以接受了，但是为什么可以等价说明斜率Bi中至少有一个不等于0，这个有什么逻辑?似乎不太严谨。

图中TSS为95.2，为什么sample variance of dependent variable 是TSS/total df=95.2/4=23.8而不是TSS/total observation=95.5/5=19.1?谢谢

老师 聚类那里没听明白，视频中老师讲的聚类定义是“由一组特征值在数据中找相似性，这不就是给labor么？但是聚类是非监督啊”

书上的内容挺多的 但是视频中没涉及。比如random walk unit root。MA model也没讲。是不重要么？

B/A=2,则B=2A，现在变成B=3A了，1个B换3个A，应该是B增值，A贬值呀？苹果的例子和这个不一样吧？

老师你好，notes上一处讲解不太明白：括号里说如果两个time series are cointegrated, the error term is covariance stationary. 是否合第五条矛盾？第五条也是two series are cointegrated, 但neither time series is covariance stationary.

请问 reading 13课后题第14题 为什么选C

每一次抽样都是对总体的估计，而标准误是对样本可靠性的考量，标准误越小，样本均值越接近总体均值，表达方法是样本方差除以样本量的平方根，也就是样本平均方差的平方根。但有一个问题，拿中国平均身高检验为例，如果一个样本中取样的人的身高都一样，都为175，那标准误为0，意味着完美地代表了总体均值，即中国的平均身高，但是事实很可能完全不是这样的，样本平均身高可能与真实的中国人平均身高差的很远，这与标准误想要说明的问题是矛盾的。谢谢