- 数理统计学只是从数量表现的层面上来分析问题,完全不触及问题的专业内涵。
- 数理统计方法是一个中立性的工具,这“中立”的含义是,它既不在任何问题上有何主张,也不维护任何利益或在任何学科中坚持任何学理。
- 由于数理统计方法只是从表面上的数量关系来分析问题,其结论不可混同于因果关系。
一般来说,问题总是可以分成两类:连续问题和离散问题。相应的,大学数学中高等数学(也就是说微积分)是用来解决连续问题的,关心的函数的变量可以都非常小;而线性代数则是用来解决离散问题的,关心的是维度。
所谓还原,是一种把复杂的系统(或者现象、过程)层层分解为其组成部分的过程。还原论认为,复杂系统可以通过它各个组成部分的行为及其相互作用来加以解释。还原论方法是迄今为止自然科学研究的最基本的方法,人们习惯于以“静止的、孤立的”观点考察组成系统诸要素的行为和性质,然后将这些性质“组装”起来形成对整个系统的描述。例如,为了考察生命,我们首先考察神经系统、消化系统、免疫系统等各个部分的功能和作用,在考察这些系统的时候我们又要了解组成它们的各个器官,要了解器官又必须考察组织,直到最后是对细胞、蛋白质、遗传物质、分子、原子等的考察。现代科学的高度发达表明,还原论是比较合理的研究方法,寻找并研究物质的最基本构件的做法当然是有价值的。
概率论与数理统计的核心是利用微积分工具研究随机现象背后的客观规律性。
设函数$f(x)$在点$x_0$的某一去心邻域内有定义。若存在常数$A$,对于任意给定的$\epsilon>0$(不论它多么小),总存在正数$\delta$,使得当$0<|x-x_0|<\delta$时,对应的函数值$f(x)$都满足不等式$|f(x)-A|<\epsilon$,则$A$就叫函数$f(x)$当$x\to x_0$时的极限,记为
或
写成$\epsilon-\delta$语言是:$\lim_{x\to x_0}f(x)=A\Leftrightarrow \forall \epsilon>0,\exists \delta>0$,当$0<|x-x_0|<\delta$时,$|f(x)-A|<\epsilon$。