CDA Level 1 数据分析师：4.2 数据的描述性统计

1. 描述统计

五个角度描述数据：
1. 总量指标：一年的营业额、利润
2. 相对指标：是两个有相互关系指标的比值（老龄化占比，营业额的完成情况，合格率）
3. 集中趋势：
	1. 定义：一组数据向中心靠拢的趋势
	2. 众数：出现的次数最多的变量值M0； 众数不唯一
	3. 分位数： 
				1. 中位数：先排序，找中间位置的数
				2.  四分位数：上分位数1/4; 下分位数3/4
				3. 均值：
					1. 算数平均数：简单算数平均数，加权算数平均数
						加权算数平均数：用于分组的平均值，组中值*权重  再求和。权重：是一个概率：频数/总数
					2. 几何平均数(用于增长率)：
						例：一只股票两年收益率分别为4.5%, 1.9% 计算投资者四年的平均收益率？
						几何平均：G = sqrt(104.5% + 101.9%) - 1
					3. 调和平均数（用于加速度计算）：
						1. 变量倒数的算数平均数的倒数
					4. 均值不等式
						对于同一组数据：算数平均数 ≥ 几何平均数 ≥ 调和平均数
						当所有样本值相等时，等号成立
	4.  离散程度：
		1. 极差： 一组数据最大值-最小值
		2. 平均差：各变量值与其均值离差的绝对值的平均数
			1. 每个样本值到均值的平均距离
			2. ΣABS(Xi-Xbar)
		3. 总体方差和标准差 σ
		4. 样本方差和标准差 S（注意计算样本方差时，分母是n-1）
		5. 离散系数（变异系数）
			因为可能两个组的数，量纲是不同的，如金钱的角和元之间的离散程度。
			计算变异指标：标准差与均值的比值

2. 相对位置的度量-标准化值

1. 标准化值：
	标准化值计算：每个样本到均值差值 是标准差的倍数（类似于去量纲）（Xi-Xbar）/S  
	从图像上可以理解为：先平移到零点，再将图像进行伸缩
2. 非标准分布：
切比雪夫不等式：1-1/K² 不管数据什么分布，至少有89%数据落在平均数加减3倍标准差的范围内。即K=3时，1-1/9 = 89%
说明三倍标准差以外的数据就认为是异常值

3. 分布形态的描述-偏态与峰值

1. 偏态
	数据分布的偏离程度
	判断：尾巴在哪就是哪个偏离（注意：图是数据出现的频数）
	偏态系数＜ 0，左偏
	偏态系数＞ 0，右偏
2. 峰态
	峰态系数K  = 0：适中
	扁平分布 K ＜ 0 
	尖峰分布 K ＞ 0

4. 描述性统计图表

1. 直方图：横轴是范围，纵轴是频数
2. 散点图：描述X,Y之间的关系（年龄与收入的关系）
3. 箱型图：分析数据的离散型（包含：最大值、最小值、上下分位数、中位数）