切比雪夫大数定理
所有数据中，至少有3/4（或75%）的数据位于平均数2个标准差范围内。
所有数据中，至少有8/9（或88.9%）的数据位于平均数3个标准差范围内。
所有数据中，至少有24/25（或96%)的数据位于平均数5个标准差范围内
*****IV值会受分箱数量影响，因此即使是同样的样本，随着分箱数量改变，IV值也会发生改变，而AUC和KS是不变的。
从上面的结果可以看出，当分箱比较细的时候，对KS结果影响不大，但是如果分箱比较粗的话对KS会有一定的影响。
从IV值的公式中，易得变量的分组越多，IV值越大。但是分组分的太多，就会使得每个分组的数据量变少，导致细项分组的分布不稳定。
所以，我们在使用IV值筛选变量的时候，不能为了提高IV值一味地将分箱的数目提高，也要兼顾变量的业务含义和分布的稳定性。
风控指标
M0：正常资产，无逾期，有时也用C表示
M1：逾期一期，或逾期1-30天
M2：逾期两期，或逾期31-60天
M3：逾期三期，或逾期61-90天
M4：逾期四期，或逾期91-120天
M5：逾期五期，或逾期121-150天
M6：逾期六期，或逾期151-180天
M6+：逾期大于六期，或逾期大于180天。一般逾期大于180天，会进行坏账核销。
MOB的最大值指的是信贷产品期限
Eg：MOB0指的是资产放款至月底；MOB1指的是资产放款后第二个完整的月份；MOB2指的是资产放款后第三个完整的月份----如2019.11.13放款，
那么MOB0就为2019.11，MOB1为2019.12。
协方差和相关系数的关系与区别
协方差：
协方差表示的是两个变量的总体的误差，这与只表示一个变量误差的方差不同。 如果两个变量的变化趋势一致，也就是说如果其中一个大于自身的期望值，另外一个也大于自身的期望值，那么两个变量之间的协方差就是正值。 如果两个变量的变化趋势相反，即其中一个大于自身的期望值，另外一个却小于自身的期望值，那么两个变量之间的协方差就是负值。
注：协方差大小，会受X,Y数据大小的影响，所以只能通过协方差的正负，来判断是正相关还是负相关，不能反映相关性的程度，所以相关系数就此诞生
相关系数：
公式翻译一下，就是XY的协方差除X的标准差和Y的标准差
所以，相关系数也可以看成协方差：一种剔除了两个变量量纲影响、标准化后的特殊协方差。是用来研究变量之间线性相关程度的量，取值范围是[-1,1]。
psi 指标模型稳定性
0~0.1 好 没有变化或者很少变化
0.1~0.25 略不稳定 有变化建议监控后续变化
大于0.25 不稳定 发生大变化，进行特征项分析