1、数据分析总的来说是：认清问题，解决问题
2、实验，（星巴克咖啡店），实验控制组
3、最优化策略；橡皮鸭和橡皮鱼
4、数据图形化；重要的散点图
5、假设检验，podphone手机明天或下个月会发布么？最可能什么时候发布。为每个猜想加权，比较。
6、贝叶斯统计：蜥蜴流感
7、主观概率，石油投资，利用贝叶斯公式修正主管概率
8、启发法，快省树决策树。
9、直方图，引入R语言
10、回归
-
通过预想加薪和实际加薪，算出回归方程，预测加薪，散点图大法再出。
-
只要能看出两个变量之间具有密切的关系，只要回归线有意义，你就可以充满信心地让软件计算各个系数。
11、误差
-
机会误差=实际结果与模型预测结果之间的偏差，又称为残差。
-
用均方根误差（残差标准差）定量表示残差分布。
-
对于前后残差标准差差距较大可以将数据分为两段分析，分段不宜过多，否则无预测性。
-
R语言语句：
mylm <- lm(a~b,data) #回归表达式，~左边是因变量，右边是解释变量。详见R语言语法 summary(mylm)$coefficients #系数相关矩阵 summary(mylm)$sigma #残差标准差
12、数据库
13、整理数据，正则表达式