大数据之统计学基础(一)

1. 统计学

统计学可以分为：描述统计学与推断统计学

描述统计学：使用特定的数字或图表来体现数据的集中程度和离散程度。例：每次考试算的平均分，最高分，各个分段的人数分布等，也是属于描述统计学的范围。

推断统计学：根据样本数据推断总体数据特征。例：产品质量检查，一般采用抽检，根据所抽样本的质量合格率作为总体的质量合格率的一个估计。

2.均值、中位数、总数、极差、方差、标准差

对于一组数组，如果只容许使用一个数字去代表这组数据，那么这个数字应该如何选择？？——选择数据的中心，即反映数据集中趋势的统计量。

均值——算术平均数，描述平均水平。

中位数——将数据按大小排列后位于正中间的数描述，描述中等水平。

众数——数据中出现最多的数，描述一般水平。

极差——最大值-最小值，简单地描述数据的范围大小

方差——在统计学上，更常用的是使用方差来描述数据的离散程度——数据离中心越远越离散。其中，X¡表示数据集中第i个数据的值，µ表示数据集的均值。

标准差——如果原数据的单位是m的话，那么方差的单位就是mˆ2，方差与原数据的单位是不一样的，两者没有可比性。为了保持单位的一致性，我们引入一个新的统计量——标准差。

2.1 均值