数据科学和商业分析中的统计学基础

每个统计分析的第一步是确定正在处理的数据是总体还是样本。此外，我们需要知道随机样本和代表性样本之间的区别。

在进行检验之前，我们必须熟悉变量的类型，因为不同类型的统计检验和可视化需要使用不同类型的数据。

在本节课中，我们展示了变量的另一种分类方式——计量尺度

了解数据类型之后，我们开始研究分类变量的可视化技巧，即频率分布表，条形图，饼图和帕累托图。

分类变量的可视化技巧练习。

在对数据类型进行分类之后，我们开始研究数值型变量的频率分布表。

数值型变量的频率分布表练习。

在频率分布表的基础上，我们将学习如何用直方图来表示数据。

直方图练习。

描述性统计

在本节课中，我们将探讨展示变量关系的不同方法。

交叉表和散点图练习。

本节课将介绍集中趋势的三个量度——均值，中位数和众数。

关于集中趋势度量的练习。

在本节课中，我们展示了最常用的测量不对称性的工具——偏度，及偏度与均值、中位数和众数的关系。

偏度练习。

我们开始探讨最常见的变异性测量方法。本节课将重点讨论方差。

方差练习。

我们通过引入标准差和变异系数来建立方差。

标准差和变异系数练习。

我们继续学习变量之间相关性最常见的量度：协方差。

协方差练习。

相关系数——变量之间相关性的定量表示。

相关系数练习。

描述性统计实例

这是一次实操，包含了迄今为止的所有课程所学的内容——数据类型，测量水平；分类和数值型变量的图形和表格，以及变量之间的关系；集中趋势、不对称性、可变性和变量之间关系的度量。

我们将所有已学的知识应用于房地产公司的真实数据，并从零开始进行商业分析。

实例练习。

介绍推论统计部分内容的课程。

我们解释了什么是分布，有哪些类型的分布，以及分布如何帮助我们更好地理解统计数据。

我们介绍了正态分布及其在统计学领域的重要性。

我们通过标准化将正态分布转化为标准正态分布以便进行研究，并详细阐述了标准正态分布在检验中的作用。

标准正态分布练习。

中心极限定理——最重要的统计学概念之一。定义和示例。

我们引入了标准误——进行预测的重要因素。

我们探讨了估计量和估计值，并尝试区分这两个概念。

这部分课程的核心——置信区间。

我们将看到使用置信区间的第一个例子，并介绍了z分数的概念。

置信区间练习。

回答了问答区的问题后，我们决定增加一节课来更深入地探讨置信区间是什么。

关于学生T分布出现的小故事——这是处理小样本很有用的工具。

我们将置信区间与学生T分布两部分知识相结合，使用小样本进行推理。

总体方差未知的情况下计算置信区间的练习。

通过误差幅度深入研究影响置信区间的因素。

我们展示了置信区间的实例。在本课中，我们将重点介绍医学中经常发现的相关样本。

两个均值（相关样本）的置信区间练习。

我们继续应用所学的知识。这次的例子使用的是总体方差已知的独立样本。

两个均值（独立样本）的置信区间练习。

通常情况下，我们不知道总体方差，因为拥有总体的数据成本太高（或不可能）。我们通过样本方差探讨如何处理这个问题。我们从更简单的情况开始，假设两个样本的方差相等。

两个均值（独立样本）的置信区间练习。

我们以方差未知且不同的独立样本为例结束置信区间的部分。这是最常见的情况。

推论统计的一个实例

到目前为止，我们将应用所有关于描述统计和推论统计的知识。

该数据为鞋店的购物数据。我们探讨了不同产品和商店的销售量，并尝试更好地管理我们公司的库存。

推论统计的一个实例

到目前为止，我们将应用所有关于描述统计和推论统计的知识。

该数据为鞋店的购物数据。我们探讨了不同产品和商店的销售量，并尝试更好地管理我们公司的库存。

请查看本节课附带的练习和解答文件。

假设检验是统计学的核心。我们从最基本的假设开始：什么是零假设和备择假设。我们展示了不同的例子，并说明了如何提出将被检验的假设。

每当我们进行假设检验时，我们要么接受，要么拒绝。在本节课中，我们将解释检验背后的基本原理。

检验时可能会犯两个错误——错误肯定和错误否定。为了成为更好的统计学家，我们必须熟悉这些问题。