统计学从挂科到满分【笔记1】

第一章 概论

1. 统计的含义

• 统计活动：与统计有关的活动，统计调查，统计分析
• 统计学：对于如何收集，如何分析的科学
• 统计数据：统计的图表等

统计学是收集和分析数据的科学与艺术

统计学的构成要素：问题，数据，方法

方法跟着数据走，数据跟着问题走

发展阶段：古典统计学-近代统计学-现代统计学

2. 统计学的分类

分类 1

• 描述统计学：整理收集数据的特征汇总，分类，计算，表格，指标，目的在于概括
• 推断统计学：关注如何从样本种发现总体的特征，目的是推断

分类 2

• 理论统计学：提供对抽象数量的原则研究
• 应用统计学：提供对具体数据的研究

3. 统计数据的分类

分类 1

按测量尺度分：

• 定性数据：只能用string或者code表示特征属性的数据。
  定性数据又分为：
  （1）定类数据：省份，性别（分类结果）
  （2）定序数据：满意度（排序结果编码）

• 定量数据：数值表现失误数量特征的数据
  （1）定距数据：能反映数量的差距，不存在绝对零点，比如：利润，人数，温度，湿度
  （2）定比数据：存在绝对零点，比如：体重，身高

分类 2

按数据来源分：

• 实验数据
• 观测数据

分类 3

按时空状态分：

• 时序数据：含时间线
• 截面数据：某个时间点的数据详情
• 平行数据：都有以上特征

分类 4

按表现形式分：

• 绝对数：总人口，销售额
• 平均数：平均工资
• 相对数：性别比，人口密度，比重

分类 5

按数据结构分：

• 结构化数据：可计数的数
• 非结构化数据：视频，语音…

4. 统计活动的分类

• 大量观察法
• 统计分组法：聚类分析，传统分组
• 综合指标法：总量指标，相对指标，平均指标
• 统计推断法：抽样估计，假设验证
• 统计模型法：线性模型，非线性模型

5. 统计学的基本概念

总体：所有对象的总称，分为：有限总体，无限总体（可数和不可数）；也可以分为：具体总体，抽象总体（类与被实例化的类）
样本：
（1）样本容量：一个样本所包含的单位数；
（2）样本数量：总体种抽取的样本元素的总个数

他们之间的关系：
总体是需要研究的对象，样本则是反映总体而被观测的对象。

变量：根据数据计量尺度分为：定性变量，定量变量；根据影响因素分为：确定性变量，随机变量；根据数据连续性分为：离散型变量，连续型变量。

标志：用以描述表现 个体 特征的名称，分为不变标志（比如户籍），可变标志（身高）；也可以分为直接标志，间接标志。

统计指标：用以描述总体特征的名称，分为总量指标（数量指标），相对指标，平均指标（两者都属于质量指标）

指标关系：等式关系，因果关系，相关关系，补充关系…

第二章 统计数据与方案

1. 统计数据的来源

我们一般将其分为一手收据与二手数据，一手数据是通过统计调查和观察实验得来的，而二手数据是通过公开版物，网络数据等得来的。
一手数据收集方法【调查】：普查，抽样调查，重点调查，典型调查…
一手数据收集方法【实验】：完全随机实验，随机分组实验，拉丁方试验，正交试验…

1.1 普查

人口，经济…

1.2 重点调查

对于重点单位进行调查，数目不一定最多，但占标志比重较大，最能反映总体的情况的那个标志

1.3 典型调查

有意识地选取特定对象进行调查，比如特意选取优秀者调查以学习经验。

1.4 抽样调查

抽样分为：

• 概率抽样：对于每个组别都规定一定的概率进行抽样，
  在概率抽样的方法里面也细分：
  （1）重复抽样：抽取之后放回去
  （2）不重复抽样：抽取之后不放回去
• 非概率抽样：没有组别一说，全部随机抽取

概率抽样下面也又很多方法：

• 随机思想：随机
• 分层思想：先对总体对象进行相关标志的分层，再在每层随机抽
• 等距思想：排序之后按间隔抽取
• 整群思想：对于样本进行随机分组，然后选择一组或者多组作为样本
• 多阶段思想：对于不同阶段完成的任务进行分阶段

而非概率抽样的思想：
方便：比如街上派问卷，报刊的问卷那些
判断：根据主观经验从总体抽取有代表性的样本
滚雪球：先找到最初的样本单位，根据他们提供的信息去获取新的样本单位，比如调查犯罪人员，抓到一个，然后根据他们提供的人员继续抓。

2. 统计数据的分组

2.1 分布数列：根据一定的分组标志对原始资料进行分组，并按照一定顺序进行排列而产生的数列

比如说，现在根据收入分为：2-3w，5-10w，10-80w…

2.2 组距与组数与组中值：
对于组距分为等距与非等距，对于组数n的确定，根据公式：
$$n=1+3.33\ast lgN(总数)$$

对于组距确定公式：
$$D=\frac{max-min}{n}$$

上限：max
下限：min
组中值：$$\frac{max+min}{2}$$

假如在缺限组：比如缺了下限例如只有
$$x\le max$$
组中值：
$$\frac{max-D_{near}}{2}$$

假如是缺上限则是：
$$\frac{min+D_{near}}{2}$$

$D_{near}$是邻近组的组中值

2.3 累计频数和累计频率
累计频数和频率意思就是比如：2-5w的人群占了20%，那么2-10w的人群占了40%，这40%里面有20%的人。

需要区分：

• 向上累计：从标志Low$\to$High
• 向下累计：从标志High$\to$Low

3. 统计图的类型

直方图：

折线图来自于直方图；

箱线图：
首先找出一组数据的5个特征值：最大值，最小值，中位数，上四分位数，下四分位数