统计学的知识

Day1

  Never Say Goodbye.
  Ray

1.1-1.2

统计学是收集、处理、分析、解释数据并从数据中得出结论的科学。
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(descpritive 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。数据分析分析的不是每天的数据，而是一种变化的趋势。
统计数据的类型

1. 按照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。
   分类数据（categorical data） 是只能归于某一类别的非数字型数据，它是对事物进行分类的结果，数据表现为类别，是用 文字 来表述的。可以用数字代码来表示各个类别。例如1为男、0为女。通常计算出各组的频数或频率，计算其众数和异众比率，进行列联表分析和χ2检验(卡方)等。
   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，但这些类别是有序的。比如：一等奖、二等奖….同样顺序数据也可以用数字代码表示：1为同意、2为中立、3为不同意。计算其中位数和四分位差，计算等级相关系数等。
   数值型数据(metric data) 是按数字尺度测量的观察值，其结果表现为具体的数值。现实中所处理的大多数是数值型数据。计算各种统计量、进行参数估计和检验等。
   分类数据和顺序数据——定性数据或品质数据（qualitative data）（说明的是事物的品质特征）
   数值型数据——定量数据或数量数据(quantitative data)（现象的数量特征）

2. 按照数据的收集方法，可以分为观测数据和实验数据。
   观测数据(observational data) 是通过调查或观测收集到的数据（没有进行人为控制——社会经济现象）
   实验数据（experimental data) 实验中控制实验对象而收集到的数据。（自然科学领域）
   3.按照被描述的现象与实践的关系，可以将统计数据分为截面数据和时间序列数据。
   **截面数据（cross-sectional data）**是在相同或近似相同的时间点上收集数据，描述现象在某一时刻的变化情况。（各地区GDP）
   时间序列数据（time series data） 在不同时间收集到的数据。按时间顺序收集。（一段数据的GDP数据）

3. 总体和样本
   总体（population）包含全部数据的集合，组成总体的每个元素称为个体。可以根据研究的目的来定义总体。
   总体根据其所包含的单位数目是否可数可以分为有限总体（总体的范围能够明确确定且元素是有限可数的——待检验的灯泡）和无限总体（总体所包括的元素无限不可数——实验数据，实验可以无限进行下去）。
   总体分为有限（无限）总体主要是为了判别在抽样中每次抽取 是否独立。（有限可能会影响到抽样推断的结果）。
   样本（sample）从总体抽取一部分元素的集合，构成样本的元素的数目称为样本量（sample size）——根据样本提供的信息推断总体的特征。
   参数和统计量
   参数（parameter）用来描述 总体特征 的概括性数字度量，是研究者想要了解的总体的某种特征值。总体平均数（μ(mu）)、总体标准差(σ(sigma))、总体比例(π)等。
   统计值(static)是用来描述 样本特征 的概括性数字度量。它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。关注的统计量主要有样本平均数（x-（x-bar））样本标注差s表示，样本比例用p表示。抽样的目的就是要根据样本统计量去估计总体参数。例如，用x-估计μ，s估计σ，p估计π。
   补充：z统计量、t统计量、χ2统计量、F统计量….
   变量（variable）
   是说明现象某种特征的概念，在一个 节点结果 会发生变化或出现差别。（受教育程度、XX等级）变量值（具体销售额）
   统计数据就是统计变量的某些取值，变量可以分为 分类变量（categorical variable）、顺序变量(rank variable)、数值型变量(metric variable)

4. 根据取值的不同数值型变量又可以分为 离散型变量（discrete variable） 只能去可数值的变量，只能取有限个值，而且其取值都以整位数断开，可以一一列举入骨髓数量、产品数量。连续型变量（continuous variable） 是一个可以在一个或多个区间中取任何值的变量，它的取值是连续不断的，不能一一列举，如年龄、温度、零件尺寸的误差等。 也可将离散型变量当做连续型变量来处理。
   变量在多数情况下所说的和处理的是数值型变量。
   补充：随机变量、非随机变量、经验变量（empirical variable）和理论变量（theoretical variable）—z、t、χ2、F

                                        2019.1.6