p 值的严格含义是什么？线性回归（OLS）需要满足哪些假设？违反了会怎样？

一句话速记：p 值是在原假设成立的前提下，观测到当前样本或更极端统计量的概率，而非原假设为真的概率。OLS 估计依赖高斯-马尔可夫假定：外生性假设不满足会导致估计有偏且不一致；异方差与自相关虽不破坏无偏性，但会导致标准误失效及假设检验结论不可靠；严重共线性会导致方差显著增大、系数符号异常反转。

统计、回归

同章节的其他八股

• ReLU、GELU、SwiGLU 有什么区别？大模型为什么偏爱门控激活？
• BatchNorm 和 LayerNorm 的区别？为什么 NLP 用 LayerNorm？
• Adam 和 AdamW 的区别？
• Warmup 的作用是什么？
• 梯度消失和梯度爆炸怎么解决？
• L1 和 L2 正则化有什么区别？
• 交叉熵损失怎么推导？二分类为什么不用 MSE？
• 训练中 loss 出现 NaN 怎么排查？
• 梯度累积的原理是什么？
• 余弦相似度、点积、欧氏距离有什么关系？
• KMeans 的流程、缺点和改进？
• Xavier 初始化和 Kaiming 初始化有什么区别？大模型怎么初始化？