1樓：雲東來
乙個法律事實的證明過程，必然有內部證成和外部證成，他必須符合邏輯學的基本原理。
如果以「統計學上的異常」作為證據對事實進行證明，這種材料必須先質證基礎資料作為證據的三性，有這個功夫，為什麼不選擇其他訴訟思路呢？
2樓：悟性無明
題主沒有弄清這裡的邏輯。事例一中，法律判決的依據是「調查發現麵包店的秤不准」，而不是數學家的統計資料。同理，事例二中的統計資料能夠作為控告的理由，但不能作為法律判決的證據。
3樓：Godfather
你說的證據屬於民事證據，民事訴訟中證明標準要達到高度概然，而證據要求是真實，關聯，合法。
大數定律告訴我們，隨機變數序列的算術平均值向隨機變數各數學期望的算術平均值收斂，在民事訴訟中，公理屬於免證事實，即大數定律及其應用所得結果無須證明。
現在問題就是樣本不可能無限大，達到什麼程度屬於可信？我認為這個得計算，然後給定乙個誤差標準，最後得出乙個信任度，在誤差範圍內有多少的概率與樣本無限大時相同。以此作為證據來提交法院。
法官會根據你所提交的證據進行判斷（法官有自由裁量權），如果你論證充分，達到高度概然，法官信服，法官就會採納你的證據。進而支援你的訴訟請求。
鄙人學法律，也喜歡看高等化學和高等數學。
說基於統計學的深度學習不能實現人工智慧，大錯而特錯了吧？
Ryan 即便不會統計，不會數學，不會優化，不會運籌的人也能在很多領域表現的比 AI 強太多，充分說明你的大腦不不需要那麼多 知識 也不需要BP，也不需要做乙個泰勒展開才能學習，就能完成正常的聽說讀寫，琴棋書畫，哲學與詭辯。 因果推斷確實是很難的部分，現在仍然是個大坑亟待解決。目前深度學習其實也就是...
統計學三大基於似然函式的假設檢驗方法及其應用並進行比較？
長水滔滔 你說的是wald檢驗，LR檢驗和score檢驗吧。無效假設為 一般 0。wald檢驗和score檢驗其實很類似，本質的公式都為 主要區別在於採用的標準誤不同。wald檢驗標準誤是 而score檢驗採用的標準誤是 僅此而已。一般來說，score檢驗結果較wald檢驗更可靠，在大樣本下，wal...
請問統計學中差別具有統計學意義，是指的樣本還是總體？
麻煩叫我去學習 差異有統計學意義，指的是拒絕H0，有犯一類錯誤的可能，並不是等於兩者一定有差異。統計學通過樣本推斷總體，應該是樣本差異有統計學意義，推斷總體有差異，不能說總體差異有統計學意義。可以看看趙耐青主編的統計學教材，也有說這個。 會翻身的鹹魚 總體樣本代表總體。以假設檢驗為例，當通過計算得出...