概率分布、正态分布、假设检验概念及基础

概率分布（Probability Distribution）是描述随机变量取值与其对应概率之间关系的函数。常见的概率分布有离散概率分布和连续概率分布两种类型。

正态分布（Normal Distribution），又称高斯分布，是一种连续概率分布。它以钟形曲线的形式呈现，具有均值（mean）和标准差（standard deviation）两个参数来描述分布的特性。正态分布在数理统计中具有重要的地位，因为根据中心极限定理，许多随机变量在趋近于正态分布，尤其是当样本容量较大时。

假设检验（Hypothesis Testing）是一种统计推断方法，用于判断有关总体参数的假设是否成立。它通常涉及两个假设：原假设（null hypothesis）和备择假设（alternative hypothesis）。原假设是我们希望进行推断的假设，而备择假设则是与原假设相反或更具体的假设。通过收集样本数据，并根据这些数据计算出适当的统计量，我们可以根据统计量来判断是否拒绝原假设。

在假设检验中，我们还会使用p-value（显著性水平）来评估统计量的显著性。p-value是在原假设成立的情况下，观察到的样本结果或更极端结果的概率。如果p-value小于预先设定的显著性水平（通常为0.05），我们就可以拒绝原假设，认为实际观察到的结果与原假设不一致。

这些概念和基础是统计学中非常重要的内容。对于理解数据分析和进行决策推断具有重要的意义。