统计基本知识

描述统计学

其数据分为数值数据和分类数据。

统计度量

• MEDIAN 函数返回中位数；
• MODE众数； 
• weeknum 返回一年的第几周；
• weekday周几；
• var.p方差 stdev.p标准差（单位统一）；
• 四分位数QUARTILE(array,quart)函数 array表示需要计算四分位点的数据集，quart决定需要返回哪一个四分位点。 quart参数的值在0~4之间，如果，0表示需要返回最小值；1表示需要返回第一个四分位点，即25%处的数据；如果该参数为2，表示需要返回第二个四分位点，即50%处的数据，也就是中值；如果该参数为3，表示需要返回第三个四分位点，即75%处的数据；如果该参数为4，表示需要返回最大值点。

以下是方差和标准差。

以下是数据标准化：将两组不能比的数据放在一块比，比如：时间和销量、温度和订单数等。

切比雪夫定理（可以排除异常值）：

• 至少有75%的数据，位于平均数2个标准差范围内；
• 至少有89%的数据，位于平均数3个标准差范围内；
• 至少有96%的数据，位于平均数5个标准差范围内 。

图形

数据分析师常用的有箱线图（上下边缘是上下两个小横线）和直方图。

直方图等距划分，并且存在偏度。
 

 常见直方图类型有：

切比雪夫定理V2.0

• 正态分布中，至少有68%的数据，位于平均数1个标准差范围内；
• 正态分布中，至少有95%的数据，位于平均数2个标准差范围内；
• 正态分布中，至少有99.8%的数据，位于平均数3个标准差范围内。

 概率世界

条件概率：P（A|B），读作“A在B发生的条件下发生的概率”。

例：如果某种疾病的发病率为千分之一。 现在有一种试纸， 它在患者得病的情况下，有99%的准确率判断患者得病，在患者没有得病的情况下，有5%的可能误判患者得病。现在试纸说一个患者得了病，那么患者真的得病的概率是多少?

 贝叶斯定理：

• P(A1) 代表是真实患者的概率；
• P(A2) 代表是健康人群的概率；
• P(B) 代表试纸查出患者的概率；
• P(B|A1) 为真实患者条件下试纸查出患者的概率，即99%；
• P(B|A2) 为健康人群条件下试纸误判为患者的概率，即5%；
• P(A1) 为真实患病率0.1% ，P(A2)为健康率99.9%。