工作中我常用的分析算法

​                                   统计性描述经常用到散点图

       统计性描述更为侧重单变量的描述，即描述X、X与X之间的关系，在通过X去描述Y的时候，我更关心X与Y间存在何种关系，此时便需要借助散点图去印证X与Y相关的内在一致性，并通过方差、协方差过渡到统计相关的本质。

        散点图是唯一一个能够描述变量与变量间相关关系的图形，在实际我的工作中出镜频率非常高，它很好的过渡了描述性统计与推论性统计之间的鸿沟。

​                                                  

​                                     检验与方差分析几乎不用

        概率理论部分涉及到假设检验，由此可以过渡到差异性分析。

        其实T检验和方差分析都可以看成是差异类的分析方法，差异分析能够帮忙回答就是你我之间有无区别的问题，其实，工作中几乎不太会使用到差异化分析，但是作为统计学的基本底层框架，熟悉并掌握还是非常有必要，不一定能用到，但是你要会

​                                                 

 ​                                   不同领域相关分析侧重不同

        依据不同的分析环境，相关分析会有完全不同的分析思路，不同领域中对同一种方法的使用、视角、判断以及应用完全不同。

        传统的市场分析领域中，数据收集成本昂贵且非常强调精度，相关分析并不能解决精度上的问题，甚至连经常遇到的事物的因果关系都很难说清，因此大家并不会将相关分析作为最终的分析结论，相关分析仅仅是预分析的一小部分。

        数据挖掘领域中，相关分析便显得非常重要。例如捆绑销售案例，冬瓜和拖布捆绑在一起营销效果会比较好，也许根本无从