GEOSTATISTICS · PYTHON PRACTICE
从概率分布到矩阵结构，搭一条可复现的地理统计学习路径
把不确定性写成概率，把空间关系写成矩阵，再把方法带回地理统计问题
用 42 个融合版教学案例、配套教材、Python 源码和静态结果图，循序理解从随机变量到空间数据应用的方法边界。
实验主题
选择一个主题开始
每个主题都有独立页面，内容、方法和关联资料各自成组。
概率基础与模拟
从随机数、期望、贝叶斯更新和极限定理开始，理解不确定性如何变成可复现实验。
进入主题 ↗10 条内容离散与连续分布
比较常见概率分布的形态、参数与适用情境，建立选模型的判断依据。
进入主题 ↗04 条内容抽样推断与模型校准
从置信区间、共轭更新到分布拟合与真实标定，练习带着误差作判断。
进入主题 ↗10 条内容向量、矩阵与方程组
用几何直觉理解向量、线性变换、距离、秩、方程组和协方差结构。
进入主题 ↗05 条内容特征值、SVD 与 PCA
观察主方向、低秩逼近、图像压缩和降维怎样提炼矩阵中的信息。
进入主题 ↗06 条内容地理统计与综合应用
把方法带入颗粒物浓度、计数风险、土地变化、画像与标定等教学场景。
进入主题 ↗精选实验
从具体内容进入
课程导览：从概率语言走到空间方法
先看清课程阅读顺序、两版材料关系和案例数据边界，再从 42 个实训条目中选择入口。
查看内容 ↗01 · 基础随机数与可复现性
公平骰子的理论概率质量函数与右连续累积分布函数，由e01_rng.py生成。X取1至6且各点概率为1/6；累积分布函数实心点表示F(k)，空心点表示左极限。图与该脚本打印的8次随机样本共用骰子模型，但不是用8次频率估计的分布。
查看内容 ↗02 · 基础数学期望与方差
围绕“数学期望与方差”完成一次可复现的 Python 教学实验。
查看内容 ↗03 · 基础大数定律
大数定律的一条累计均值路径，直接采用e03_lln.py运行图。种子=7生成20000个公平骰子点数，横轴n为对数刻度，虚线为理论均值3.5；means是同一次长实验逐步累积得到的平均。
查看内容 ↗04 · 基础中心极限定理
指数总体的标准化均值与中心极限定理，直接采用e04_clt.py运行图。指数尺度θ=2、种子=0；对n=1、5、50各重复4000次，三个面板使用共同横纵尺度，并叠加标准正态密度；柱高为密度。
查看内容 ↗05 · 基础蒙特卡洛估计圆周率
围绕“蒙特卡洛估计圆周率”完成一次可复现的 Python 教学实验。
查看内容 ↗阅读路径
从一个主题开始，继续发现相关内容和资料。
内容按主题分开呈现；来源和公开状态由材料清单记录。