预览
参考书籍:浙大概率论与数理统计, 俄罗斯的概率教材, 概率-施利亚耶夫著作, 统计学及应用-sarah boslaugh著作
统计学分类:
描述统计学:展示数据, 描述数据的集中和离散程度
推断统计学:根据样本数据推断总体的数据特征
统计趋势:
集中趋势, 离散趋势
统计学应用:
有数据, 就有统计分析的需求
把握要点:
概率论是统计学实施的基础, 统计学倾向于解决实际问题
常用符号:
μ: 总体均值
σ:总体标准差
s:样本方差
Σ:求和
总体和样本:
同一个数据集合既可以是总体也可以是样本, 具体取决于对该数据集合的分析目标
分析目标是数据集的数据分布, 则该数据集是总体
分析目标是通过该数据集,推断其他同类数据的趋势,则该数据集为样本
例如:
一个数据集为某个班学生的期末成绩
分析目标是描述成绩分布的时候, 那么该班的期末成绩为总体
分析目标是通过该班的成绩推断其他学生的期末成绩的时候, 那么该班的期末成绩为样本
集中趋势描述度量:
数据向中心值靠拢的程度,反映的是数据中心点的位置
反映集中趋势的测度的统计量: 均值, 中位数, 众数
均值:
算术平均数, 所有统计数据的平均值, 描述平均水平
均值对较小或者较大的异常值包容性较小, 容易受极端值的影响, 均值并不适合极端值多的数据集
对于偏态数据集(非对称数据) 均值结果会产生误导, 不能准确反映大多数数据的趋势, 则改用中位数取代
极端值: 也叫离群点,
分组数据均值:
分组区间中点X分组频数
中位数:
数据按照大小的排列顺序,
位于排序后的数据后的中间的数据
排序后的个数为偶数时: 中位数是中间两个数值的平均值
排序后的个数为奇数时: 中位数是就是中间的数值
太过于分散的数据集, 中位数也不能很好 的描述数据的集中趋势, 缺少敏感性
众数:
数据集中出现频数最多的数值, 众数不唯一
当数据具有明显的集中趋势的时候, 代表性较好, 不受极端值的影响
离散趋势描述度量:
描述数据分散程度的度量, 也会被称为, 波动测度或者分布测度
反映离散程度的度量: 极差, 四分位差, 方差, 标准差
极差:
数据中最大值最小值之差
简单描述数据的范围大小