统计学概览与统计检验总结

统计学的数据类型

常用统计描述

统计学的五大内容：数据描述与可视化，参数估计，假设检验，相关分析，回归分析。

数据描述：即统计描述，描述数据的主要特点。

参数估计：由采集的数据集估计某个参数。

假设检验：针对两个对象的差异比较：样本-总体，两个样本，多个样本 之间是否存在显著差异。

变量关系：两个变量或多个变量之间的关系分析：相关关系，因果关系（多元自回归模型MVAR——Wiener-Granger因果性）。

（常见的变量关系研究分析分为：相关分析、线性回归、Logisitic回归、中介效应分析和调节效应分析。）

无相关，不回归（回归-相关 实际上是两个变量之间相互作用关系的一体两面）：线性相关 -- 线性回归， 非线性相关 -- 非线性回归。

 

数据统计的一般过程：数据采集（采样）→ 参数计算（样本&总体） → 假设检验（数据分布→显著性水平（截断值/阈值））→ 统计推断

参数估计的两种方法：点估计，区间估计（置信区间）。

参数估计的对象：均值、方差、比例、频数、样本量

 

假设检验的三种方法：参数检验、非参数检验、置换检验

常见数据分布：正态分布、t-分布、F-分布

单样本总体均值的统计检验:  z-test(σ已知); t-test(σ未知)
单样本总体比例的统计检验:  z-test(大样本); binom.test(小样本)

单样本总体方差的统计检验:  chi square-test

参数检验：理论分布  VS. 置换检验：经验分布（置换分布）

 

F检验

F检验是被誉为现代统计学之父的R.A. Fisher爵士提出、由George W. Snedecor命名的统计检验方法，主要用于方差齐性检验、方差分析等等。

F检验的三个用途：1.方差齐性检验， 2.完全随机设计的单因素方差分析， 3.线性回归方程整体的显著性检验。

参考链接：一文详解F检验

卡方检验 Chi square test

检验两个变量之间有没有关系。(参考链接：什么是卡方检验）

属于非参数检验的范畴，主要是比较两个及两个以上样本率( 构成比）以及两个分类变量的关联性分析。其根本思想就是在于比较理论频数和实际频数的吻合程度或拟合优度问题。（参考链接：统计学——卡方检验和卡方分布）