描述型统计
描述统计
1.集中趋势 ：众数、平均数、分位数
2.离散趋势： 极值（max）、极差（max-min）、平均差、方差、标准差、分位差
3.分布：峰泰、偏度
推理型统计
概率分布：离散型分布、连续型分布
离散型分布
二项分布：如抛硬币n次，不同正面朝上的次数对应的概率
几何分布：如抛硬币n次，到第k次才取得第一次成功的概率服从的分布
泊松分布：在一定时间范围内发生概率相同，给定其发生的平均发生的次数μ，则事件在该事件范围内发生k次的概率服从泊松分布
概率分布：
连续型分布
正态分布
2.假设检验
无效假设：
备择假设
样本抽样
结果检验
假设检验基本步骤
1建立原假设
2选择检验统计量
3寻找拒绝阈
计算样本统计量的值，和临界值做比较，做判断
数据分析里的统计学模型
回归模型
聚类模型
贝叶斯模型
1.回归？
某些因素对目标的影响程度，也就是影响因子
2.相关性分析？
研究事务的因果联系
3.避免伪相关，先定性
1.从业务逻辑出发，不断拆解指标，下钻
2.ABtest实验，测试因素是否对结果产生影响
3.找相关指标或因素替代，或直接删除
4.定量，回归分析
1.确定x、y
x：自变量
y: 因变量
2.建立回归模型
3.回归检验
1.Multiple R:也就是R值，表明自变量与因变量之间相关性大小的值
2 .R Square: R的平方值是指拟合系数，是自变量解释因变量差距的大小
3.Adjusted R Square:调整后的R square,说明自变量能说明因变量百分比
4.标准误差: 用来衡量拟合程度的大小1
5.观察值:用于训练回归方程的样本数据有多少个;
6.SignificanceF: 是指显著性检验度，其实就是我们上节课讲到的P值
7.T Stat: T检验中统计量t值，用于对模型参数的检验
8. Value P:是指系数的显著性检验度
总结
回归模型
定性分析：相关性分析、怎么定性
定量分析：规范回归（y定义清晰、x精准有力）、怎么定量
二、聚类模型
分类：已知分类标准和规则
聚类：根据数据本身的特性研究分类方法，并遵循这个分类方法对数据进行合理的分类，最终相似数据为一组，同类相同、异类相异
3、聚类步骤？
第一步确定分组k=0
第二步：随机选k个值为数据中心选择A、B两个点为初始中心
第三步：其他数值与数据中心的距离
第四步：重新选择数据中心
第五步：再次计算距离
第六步：再次重新选择数据中心
第七步：再次计算距离
