大数据统计学基础

介绍

1. 统计学的分类
2. 数据集中趋势的表现
3. 数据离散程度的描述
4. 各种数据图（直方图、箱线图、茎叶图、线图、柱状图、饼图）

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。
• 推断统计学：根据样本数据推断总体数据特征。
• 应用：统计学的应用十分广泛，目前比较热门的应用：经济学，医学，心理学等。

集中趋势

1. 均值——算术平均数，描述平均水平
2. 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
3. 众数——数据中出现最多的数，描述一般水平
   
   

离散程度的描述
极差：最大值-最小值，简单的描述数据的范围大小
方差：,描述数据的离散程度
例如：

简化方差：

标准差：与方差一样，标准差的值越大，表示数据越分散。

直方图
使用直方图的原因：数据过于复杂，无法直观表示。

1. 找出最大值与最小值，确定数据的范围
2. 整理数据，分组（选取数据的范围），并记录所分的组中，含有数据的多少（频数）构成表格（频数分布表）
3. 依据频数分布表画出直方图（频数为纵轴、分组为横轴）

箱线图

1. 对数据进行排序
2. 找出中位数
3. 找出上四分位数与下四分位数（注意：下四分位数：Q1，将所有数据按照从小到大的顺序排序排在第25%位置的数字；上四分位数：Q3，将所有数据按照从小到大的顺序排序排在第75%位置的数字）
4. 判断异常点（异常点：小于Q1－1.5IQR或大于Q3+1.5IQR的值）
5. 找出最大值和最小值
6. 选取第二个最大值和最小值，指向，最大值和最小值
   

茎叶图

1. 将数据分为茎和叶两部分，这里的茎是指十位上的数字，叶是指个位上的数字
2. 将茎部分（十位）从小到大，从上到下写出来
3. 相对于各自的茎，将同一茎（十位）的叶子（个位）从小到大，从左往右写出来
   

线图

以时间为横坐标，变量为纵坐标，反映变量随时间推秱的变化趋势

柱状图

柱状图与直方图的区别在于：

1. 直方图是同一个变量的分组划分，而柱形图则是不同的组别
2. 直方图用于显示一组数据的分布情况，而柱形图则是用于比较丌同组别的数据差异

饼图

来源：CSDN

作者：矩阵n次方

链接：https://blog.csdn.net/qq_38973721/article/details/103845627