文章目录

【描述数据的统计学工具】
一、统计分为两大类
二、数据案例引入
- 2.1销售数据
- 2.2销售额表现怎么样?
- 2.3可视化
三、数据的集中度
四、数据的离散度
五、数据的相关性
- 5.1案例
- 5.2散点图
- 5.3计算相关系数
六、总结
【概率与概率分布】
一、描述性统计的局限性
二、两种主要的数据类型
三、概率
四、应用
- 4.1从分类型数据来看概率的具体应用
- 4.2从数字型数据来看概率的具体应用
- - 正态分布
【估计和假设检验验证】
一、样本
二、抽样与估计
三、假设检验
- ==3.1分析数据的思路==
- ==3.2假设检验的思路==
- 3.3例子

【描述数据的统计学工具】

一、统计分为两大类

一个是分析数据集中度和分散度的描述性统计
一个是通过样本对总体情况作出推断的推断性统计

只有掌握了统计学基础，我们才能在统计学的基础上进行聚类、回归、分类、组间差异这四个常见的数据分析方法

二、数据案例引入

2.1销售数据

原始数据中上万条的记录都被保存着，一眼看上去是杂乱无章的数据

2.2销售额表现怎么样?

阐述解释数据的状况，这就是描述统计

2.3可视化

描述数据有两个关键的问题（描述性统计分析）

中心度：销售额集中在哪个区
分散度：最小值和最大值之间的区间（左侧箭头）

三、数据的集中度

包括以下三点：

均值，平均数，均件，最常用的衡量集中度的指标（误区：有非常大的或者非常小的销售额会拉高整体均值，因此需要同时提供中位数和众数）
中位数，将数据从小到大排列之后，处于最中间位置的那个数字
众数，数据中出现最频繁的那个数字，可能有很多众数，或者找不到众数

四、数据的离散度

包括以下四点：

全距，数据中最大值和最小值的差，是简单实用的指标
四分位数，对全距的改进，从小到大排序，均分为四等分，四分位数有三个,处在25%位置上的数值(Q1)，处在50%位置上数值即中位数(Q2),和处在75%6位置上的数值(Q3)，确定四分位数的位置公式
Q1的位置=(n+1) x 0.25
Q2的位置=(n+1) x 0.5
Q3的位置=(n+1) x 0.75
方差，更全面的反映离散度，偏离
标准差，方差的开方结果，越大，表示偏离越远

五、数据的相关性

5.1案例

数据有很多种类---------------->研究不同数据之间的关系

用户在app上的使用时间和他们购买产品金额大小之间的关系
用户个人资产大小以及他们申请贷款的金额等等

5.2散点图

可以借助散点图来帮助理解
相关关系三种可能的结果：

正相关关系
负相关关系
完全散乱的散点图

5.3计算相关系数

相关系数的取值是在-1到1之间
越接近1正相关关系越强
越接近-1负相关关系越强
越接近0相关关系越弱

六、总结

数据分析师最关心的问题：是否存在因果关系
所以第一步一般都是散点图和相关系数

【概率与概率分布】

一、描述性统计的局限性

数据往往由无法控制的事件组成，比如:

用户注册app的时间
工作日用户下单购买产品的数量
某个产品的销售数额

通过对历史数据大量的重复观察，可以找到他们的某种规律
因此我们需要学到概率和概率分布

二、两种主要的数据类型

类别型数据，取值有限的若干个
数字型数据，某个范围内的任何点（可能这个范围没有明显的界限）

三、概率

定义：用来衡量时间发送可能性的比例
用概率来抽象归纳的数据，对于两种不同的数据类型，给出的答案也不相同

四、应用

4.1从分类型数据来看概率的具体应用

用户点击页面的概率是0.6
只有两种可能，点击或者不点击
且每个用户的访问决定都是互相独立的(假设)

如果是四千万个用户呢？
分类型的还有扔硬币，生男孩女孩

4.2从数字型数据来看概率的具体应用

评估用户的收入水平

正态分布

原理：

【估计和假设检验验证】

一、样本

基于所拥有的的数据
比如：
某-家新的初创公司，向市场上推出了新的APP，
运行了一段时间之后，累积了-定的用户数据
样本之外，是所有智能手机可以下载这个app的用户

二、抽样与估计

对于总体(所有智能手机可以下载这个app的用户)，想了解的问题:
1.我们的市场用户平均每个月在我们的app下单的次数是多少?
从现有用户中，进行不重复的抽取1万个用户来分析

1万个用户抽样，发现数据的平均值为3.5
是否直接可以用这个3.5
作为以后所有用户平均购买的参照标准呢?
分析与结论：

2.我们的市场用户平均每个月在我们的app上花多少钱呢?