基于python数据分析（分析篇六：主观概率/启发法）

一、主观概率，数字信念化

主观概率：把严谨融入主观的简便办法

定义：用一个数字的形式表示对某事的确认程度，所用的就是主观概率。
1.认识标准偏差
数据集中的大部分点都会落在平均值的一个标准偏差范围内
单位：取决于测量单位
作用：主观概率偏离平均的标准差越大，分析师在假设成立的可能性方面的差距就越大。
方法：这个使用Excel可以解决，后续会做；也可以使用任何一门语言,c ,python ,java,等等一些列的语言进行编程解决。
贝叶斯规则：使用主观概率得到的分析结果往往会有所偏差，我们需要重新修订我们的主观概率，这个时候贝叶斯规则是，修正主观概率的好办法。
贝叶斯规则关键：根本在于找出假设成立的条件下，证据出现的概率。

二、启发法，凭人类天性分析

经验有时候确实奏效，也是数据分析过程中重要而必要的工具。

分析师都尽量的避免依赖直觉，但是不依靠数据，做出快速反应的往往就是直觉

1.启发法是直觉走向最优化的桥梁

启发法：1.（心理学定义）用一种便于理解的属性代替另一种难解的，令人困惑的
	属性。2.（计算机科学定义）一种解决问题的办法，可能会得出正确答案，
	但是不保证得出最优化答案。

2.固定模式都具有启发性
固定模式必定具备启发性：处理固定模式不需要大费力气。使用启发法时，固定模式行之有效。
3.弊端
小心启发法先入为主地让我们做出不恰当的判断。