Linux数理描写

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