统计学之描述统计篇

一、描述统计-位置的度量

平均值，众数，中位数，百分位数，四分位数

二、描述统计-变异程度度量

标准差

方差

四分位间距

偏度：描述数据偏移方向和程度的度量，统计数据的非对称特征

三、单变量数据探索常规方法

五位数概括法：最小值，最大值，中位数，第一四分位数，第三四分位数

单分类变量探索：频数

四、双变量探索

皮尔逊相关系数：计算两个数值之间的线性相关关系，非线性关系皮尔逊相关系数为0

斯皮尔曼相关系数：可以处理非线性数据，也可以处理非线性数据，缺点：处理线性相关系数没有皮尔逊相关系统好，准确率没有皮尔逊相关系数高，优点：可以处理非线性相关系数，对异常值不敏感

肯德尔相关系数：处理分类数据

五、异常检测

切比雪夫定理：（5sigma法）

• 在任意一个数据集中
• 所有数据中，至少有3/4（或75%）的数据位于平均数2个标准差范围内。

• 所有数据中，至少有8/9（或88.9%）的数据位于平均数3个标准差范围内。
• 所有数据中，至少有24/25（或96%)的数据位于平均数5个标准差范围内

经验法则：(3sigma法）

• 当该数据集符合正态分布
• 那么有68.3%的数据位于平均数1个标准差范围内。

• 那么有95.5%的数据位于平均数2个标准差范围内。
• 那么有99.7%的数据位于平均数3个标准差范围内。

异常值处理：

• 删除含有异常值的记录
• 用中位数替代

• 用前后两个观测值的平均值修正

​

若有收获，就点个赞吧