数据分析统计基础篇

本文基于MT5756 Data Analysis 复习笔记。禁止未经本人同意任何形式的转载，如有需要请联系422892137@qq.com

---

第一章 介绍

对统计学的理解：

相比传统数学观念，统计学包含了data management, display和summary的技巧。下为一现代对统计学的理解：statistics is the sicence of collecting, organisating, and interpreting numerical facts, which we call data", Moore and McCabe(2003). 

统计学investigation一般步骤：

1. 清楚阐述待解决问题。目的是什么？

2. 收集/生产数据（以何种方式，需要多大的量）

3. 筛选、探索数据（对于不是本人收集的数据尤为重要）

4. 计算fomal statistical summeries并且进行检验

5. 探索之前分析中假设的敏感性（建模一定要有假设）

6. 交流汇总 (最困难，因为涉及到对非专业人士的讲解汇报)

第二章 采样 Sampling

* 什么是模型 Model呢？

outcome =(model) + error    

                 = signal + noise

1. 一些术语 preliminary terminology

（1）sample unit: 采样个体

（2）target/population: 总体，即我们想调查的全部个体，例如，我们想知道全校女生的平均身高，那么全校女生的身高就组成了一个总体

（3）sampling protocol or design: 从总体中采样的程序

（4）sample: 被我们使用的总体的部分。例如上例，想要知道全校女生的身高是耗费巨大精力的，不必要的，所以我们抽取一部分女生的身高代表全校女生的身高，进行平均值的计算，从而估计全校女生身高。

（5）Census: 普查，即sample = population

（6）variable 变量：通常用小写罗马字母定义，用来表示个体的特性（如：身高、体重等）

（7）parameter 参数：对于总体的数值总结（nummeric summary），通常用希腊字母表示，例如平均值用μ表示

（8）estimate/statistic: 对于变量的数值总结（nummeric summary），通常用小写罗马数字表示

（9）bias (in an estimate): 有偏估计，系统误差，由于仪器、实验本身所依据的理论、公式的近似性、测量者的生理特点（如反应速度）等造成——摘自百度

（10）imprecision（in an estimate）：不精确估计，偶然误差，由于偶然因素对测量本身引起。——应该也是摘自百度的