数理统计（二）-数据的类型和基本概念

####################################################################################

文章内容引用自：http://blog.csdn.net/u012149341/article/details/50190029，并对其加以个人描述，本文章不做任何商业用途仅供学习梳理，若有侵权行为请联系留言。

####################################################################################

眼下数据科学如此火热，入了金融ML的坑才发现，要补的知识实在是太多了，打算从今天起，时常整理一些自己了解的学到的知识，分享给大家。

一来整理在这里的知识，自己看着也方便；

二来给自己个恒心，不要半途而废。

今天就从统计学开始，想入坑的各位同学，记得培养自己对数据的Sense，很有必要。

1.什么是统计学？

统计学（Statistics），是收集、处理、分析、解释数据并从数据中得出结论的科学。

——统计学是关于数据的科学，它所提供的是一整套有关数据收集、处理、分析、解释并从数据中得出结论的方法，统计研究的是来自各领域的数据。

2.数据分析所用的方法可分为描述统计方法和推断统计方法。

描述统计方法 （descriptive statistics）研究的是数据收集、处理、汇总、图表描述、概括与分析等统计方法。

推断统计 （inferential statistics）是研究如何利用样本数据来推断总体特征的统计方法。

3.统计数据

统计数据 是对现象进行测量的结果。

——比如，对股票价格变动水平的测量可以得到股票价格指数的数据；

3.1 分类数据、顺序数据、数值型数据（数据是实体）

按照所采用的计量尺度不同，可以将统计数据分为分类数据、顺序数据和数值型数据。

——计量尺度分四种：（1）分类尺度（数据表现为类别）；（2）顺序尺度（数据表现为有序的类别）；（3）间隔尺度（数据表现为数字，没有绝对零点）；（4）比率尺度（数据表现为数字，但是有绝对零点）；

分类数据 （categorical data）是只能归于某一类别的非数字型数据，它是对事务进行分类的结果，数据表现为类别，是用文字来表述的。（可以认为分类数据的类别之间是平行的）

顺序数据 （rank data）是只能归于某一有序类别的非数字型数据。（顺序数据虽然也是类别，但是这些类别是有序的）

数据型数据 （metric data）是按数字尺度测量的观测值，其结果表现为具体的数值。

（分类数据和顺序数据说明的是事务的品质特征，通常是用文字来描述的，其结果均表现为类别，因而也可以统称为 定性数据 或 品质数据（qualitative data）

    数值型数据说明的是现象的数量特征，通常是数值来表现的，因此也可以成为定量数据或数量数据（quantitative data））

3.2 时间序列数据（time series data）

实在不同时间收集到的数据，这类数据是按时间顺序收集到的，用于描述现象随时间变化的数据（如2010--2012年我国的国内生产总值数据就是时间序列数据）

4.参数和统计量

参数 （parameter）是用来描述总体特征的概括性数字度量，它是研究者想要了解的总体的某种特征值。（总体平均数、总体标准差、总体比例）

统计量 （statistic）是用来描述样本特征的概括性数字度量。（样本平均数、样本标准差、原本比例）

——统计量是根据样本数据计算出来的一个量，由于抽样是随机的，因此统计量是样本的函数。

——一些为统计分析的需要而构造出来的统计量，如统计检验的z统计量、t统计量、（x方）统计量，F统计量等。

5.变量

变量 （variable）是说明现象某种特征的概念，其特点是从一次观察到下一次观察结果会呈现出差别或变化。（商品销售额，受教育程度，产品的质量等级等）

分类变量 （categorical variable）是说明事务类别的一个名称，其取值是分类数据。（如，性别 作为一个分类变量，其变量值为 男 或 女）

顺序变量 （rank variable）是说明事务有序类别的一个名称，其取值是顺序数据。（如，产品等级 作为一个顺序变量，其变量值可以为 一等品，二等品，三等品，次品 等）

数值型变量 （metric variable）是说明事务数字特征的一个名称，其取值是数值型数据。（如，产品产量，商品销售额，零件尺寸，年龄）

——离散型变量 （discrete variable）是只能取可数值的变量，只能取有限个值，而且其取值都以整位数断开，可以一一列举

——连续型变量 （continuous variable）是可以在一个或多个区间中取任何值得变量，它的取值是连续不断的，不能一一列举（年龄，温度，两件尺寸的误差）

<<<在对社会和经济问题的研究中，当离散型变量的取值很多时，也可以将离散型变量当做连续型变量来处理>>>