数理分析与数据计算

数理统计：
    1.描述统计
    2.推断统计 

1.描述统计
    1.什么是描述统计？
        描述统计 从数据中提取 变量的主要信息

    2.从数据中提取 变量的主要信息 =》 【指标】 统计量
    统计量：
        1.频率与频数 
        2.集中趋势分析：
            均值、中位数、众数、分位数
        3.离散程度分析：
            极差、方差、标准差
        4.分布形状：
            偏度、峰度
    3.提取 变量：
        1.数值变量 【就是一个table 中的 column  是数值类型】
        2.类别变量 【就是一个table 中的 column  是非数值类型 string 】 

1.频率与频数
    1.适用场景 =》类别变量
    2.频数：就是 每个不同的取值出现的次数
    3.频率：每个不同的取值出现的次数 与总次数的比值 用%表示

    意义：
        类别变量中，每个取值出现的次数
    
    eg：
        A班级 及格 30人 ， B班级及格 35人 能说明（）
            1.A班级 成绩更好
            2.B班级 成绩更好
            3.成绩差不多
            4.无法确定哪个班级成绩好
        
        分析：
            1.类别变量  =>  及格
            2. 频数 =》及格人数 

1.集中趋势分析：
            均值、中位数、众数、分位数

均值: 一组数据的总和 除以 数据的个数 
    
    均值 = 和 / 个数 

中位数：一组数据的 按照 升序进行排列 最中间的位置 就是 中位数 

众数： 一组数据 出现的次数最多的值

注意：
    1.数值变量： 
        均值、中位数   表示一组数据 的 集中程度
    2.类别变量：
        众数 集中程度
    
    3.分布:  
        正太分布：
        偏态分布：    
            左偏分布： 均值在 最左边 
            右偏分布：均值在 最右边 
    4.影响：
        1.均值 =》 受 极端值 影响 、
        2.中位数 众数  不受极端值影响 【稳定】
        3.众数 一组数据 中 可能不是唯一的 【单拿出来 是不行的】

        问： 
            国家城市统计居民收入水平 ， 使用那个指标衡量 更合适 ？
                1.均值
                2.中位数
                3.中位数或者众数 
                4.都可以 
        
        意义： 
            衡量数据综合水平 

            思考： 
                缺失值 填充 如何处理？
                    1.数据  =》 0  
                    2. 数据 去掉 
                    3. 补充 =》 中位数

分位数：
    通过 （n-1 ） 分位  划分 n个区间
    每个区间数据的个数是相等的 （近似相等）

    意义： 
        利用分位数 +  极值  可以判断 数据的分布状态

集中趋势分析：
    弊端 ：
         5 5 5 5        =》  5
         0 -5 20 5         =》 5
         -100 100 120 -100 =》5

离散程度分析：
    极差 、方差 、标准差 
极差：一组数据中 ，最大值 - 最小值 
方差： 一组数据中  每个元素 与 均值的偏离 大小
标准差：就是方差的开方

意义： 
    方差/标准差：
        1.数据的分散性 
            越大  数据越分散
            越小  数据越集中
        2.数据的波动性
            越大  波动越大
            越小   波动越小

分布形状：
    偏度、峰度 

1.偏度:
    倾斜程度的度量 
    eg：    
        数据 -》 正态分布 偏度就是 0 
        数据 -》 左偏分布 偏度就是 小于0  
        数据 -》 右偏分布 偏度就是  大于0  

2.峰度：
    描述 数据分布 陡缓的程度 
    1.标准 正态分布 峰度 0 
    2.如果 峰度 > 0 :
        数据在分布上 数据比 标准 正态分布 密集  =》 方差比较 小 
    2.如果 峰度 < 0 :
    数据在分布上 数据比 标准 正态分布 分散  =》 方差比较 大

    意义： 
        1.  =》 数据的分布特征 
        2. 数据正太校验