探索性数据分析-如何描述业务量数据

探索性数据分析-如何描述业务量数据

描述业务量的特征：均值、标准差、相关系数

均值代表的是集中趋势（整体的趋势、整体发展方向、整体水平）；

标准差代表的是离中趋势（描述事物的波动程度，在一定程度上也代表着风险）；

相关系数代表的是相关分析（代表的是两种事物之间同向变动或者反向变动的关系）；

集中趋势

	中位数	均值	众数
优点	对极端值不敏感	信息量大（数据参与的多）	简单直观
缺点	对极端值不敏感	对极端值敏感	信息量小（数据参与的较少）

左偏分布

众数 > 中位数 > 均值

正态分布

均值 = 中位数 = 众数

右偏分布

均值 > 中位数 > 众数

结论：均值总在偏的一侧。中位数总数在中间。

当发生左偏分布或者右偏分布的时候，我们采取中位数会更具有代表性。

离散程度（离中趋势）

极差：最大值 – 最小值

标准差：每个数据减去均值的平方和/数据的个数，最后开根号。可以用来展示值与均值间的差距。实际上是计算距离的公式。每个点到均值的距离之和。
方差：标准差的平方。
变异系数：（标准差/平均值）* 100%。当我们比较两组数据的离散程度的时候，如果两组数据的测量尺度相差太大，或者数据的量纲不同，我们可以考虑使用变异系数来消除测量尺度和量纲的影响。（主要是用来对数据的波动进行一些比较。两组数据的量级不一样的时候）

相关系数

相关系数是用来 描述两种数据的同向变动关系。我们最常见的是皮尔森相关系数、斯皮尔曼等级相关系数。

皮尔森相关系数的值为-1到1。
1）如果值为-1的话，说明两组数据之间的关系为完全相反的关系。（a向东，b就向西。变化是完全相反的）
2）如果皮尔森相关系数的值为1的话，说明两组数据的变化是完全协同变动的（a向东走10步，b就向东走10步）。
3）如果皮尔森相关系数为0的话，就意味着两组数据完全没有关系。

我们如何看待两组数据相关性的强弱呢？
1、如果r的绝对值>0.8，就说明高度相关
2、如果r的绝对值<0.3，就说明相关性极弱
3、如果r的绝对值0.3<r<0.5，就说明中度相关

我们在解决线性的问题的时候，使用的是皮尔森相关系数。当我们遇到非线性的问题时，（例如售货员售卖货物进行提成，卖前十件的提成、卖11-20的提成，卖21-30的提成，都是不一样的，这就是非线性相关的问题）我们就可以考虑使用皮斯尔曼等级相关系数进行处理。

相关不等于因果。只是一种相关的关系。