统计学基础之一：集中趋势、样本和方差

平均数、中位数、众数

举个例子：
23、29、20、32、23、21、33、25
均值：25.75-衡量集中趋势的方法，异常值出现的时候容易产生偏差
中位数：24-集中测试的另一个方法，不受异常值影响
众数：23-数据集中出现频率最多的数
举个例子：3，3，3，3，3，100
import numpy as np
x = np.array([1,1,1,2,3,4,5])
def _mean(x):
return np.mean(x)

def _median(x):
return np.median(x)

def _mode(x):
counts = np.bincount(x)
#返回众数,但是，由于索引值是从0开始的，所以这种求众数的方法只能用在非负数据集。
return np.argmax(counts)

#众数推荐的实现方式
from scipy import stats
def _mode2(x):
return stats.mode(x)[0][0]

print(_mean(x))
print(_median(x))
print(_mode2(x))

样本和总体

国家领导换届，施行选举制度，但是你、我又曾投过票么？显然回答是否定的，因为我们都被代表了。我们来看一下选举这个事情，客观情况下应该是这样的：全国具有投票权限的人，抽出自己的一票，然后再计算各候选人的所占的支持比率，最高者获选。设想一下要收集全国这么多人的投票，要做多少事情宣讲、投票、计票、防作弊…，得耗费多少资金、时间。如果真这么干是不现实的，那么就得有一种相对有效的方法来解决这个问题——从全国抽出人民代表，以代表某个市、县的人民去实行投票，这样一来，事情就简单了。（这里不去理会被代表的任何个人主观情绪）

   就以上例子来说明2个概念：总体、样本。

   总体：拥有投票权的全部人。

   样本：抽出来的人民代表。

总体和样本是相对数据而主的，往往由于总体的数据比较庞大，而无法全部获得，导致无法完全地反映总体的状态，那么可以通过研究样本，以小范围的数据来反映总体的状态，样本的研究不是必然的准备，但是有一定的实际意义。

μ ：（发音为miu）Population mean（总体均值）
X ̅：sample mean（样本均值）
一、总体（population）和样本（sample）
总体：研究对象的整个群体。
样本：从总体中选取的一部分。
样本数量：有多少个样本。
样本大小（样本容量）：每个样本里包含多少个数据。
抽样分布：将样本平均值的分布可视化。