《深入浅出统计学》总结

图形化

饼状图：将数据划分为明显的几个组，对基本比例进行比较时有效，但比例接近时不宜使用。

条形图：精确显示频数，长度表示数值；当为类别型数据时使用；描述名字较长时，可以用横向条形图；多个条件时，可以用分段条形图或堆积条形图。

直方图：面积表示频数，长方形之间没哟间隔；当为数值型数据时使用。

折线图：显示趋势，添加多个对比组容易，只用于数值型数据；相比条形图，没那么精确直观。

平均数

数据偏斜：异常值位于右边，叫向右偏斜，尾巴在右边。

均值：当有异常值时，会使典型值不处于数据集中区。右偏时均值变高，位于中位数右边。均值对于抽样数据更稳定。

中位数：当个数为偶数时，会出现上面的问题。对称型数据，中位数和均值相等。概率密度函数等于0.5时对应的X为中位数。

众数：当众数很多时，失效。概率密度函数的最高点对应的X为众数。

方差、标准差、标准分（均值和方差不同时比较两个数据集）

去除异常值：四分位距

概率分布

几何分布：为成功一次需要多少次试验的概率。

二项分布：在n次试验的成功次数的概率。

泊松分布：给定区间事件发生次数的概率。

泊松分布近似二项分布的条件：n很大>5，p很小<0.1，λ=np（当n很大时二项分布很难计算，因此需要近似）。

以上都是离散数据的概率分布。

正太分布近似二项分布的条件：np>5，npq>5，同时需要连续性修正，即正太取X<n-0.5代替二项X<n。

正太分布近似泊松分布的条件：λ>15。

抽样统计

计算方差时除n是估计样本数据的样本方差，除n-1是用样本数据估计总体方差。因为总体方差比样本方差大。

比例的抽样分布：用该分布求出某一特定样本的比例的发生概率。

均值的抽样分布：计算样本均值的概率。

小样本估计总体方差用t分布，大样本用正太分布。

假设检验

原假设、备择假设（原假设不正确时的假设）。

X 2分布用于检验观测频数和期望频数的差异程度（1检验给定数据与指定分布的吻合程度，2两个变量的独立性）。