方法：描述统计、推断统计
数据：数值数据和分类数据（类别、文本，不能进行计算）
分类数据描述统计：频数统计、频数百分比
数值数据描述统计：统计度量（平均数：当数值差异性很大，平均数会被拉大或拉小、中位数、众数）、图形
分位数：第一分位数：25%分位数、第二分位数：中位数、第三分位数：75%分位数
方差：描述离散程度，数据波动性
标准差：方差是平方，实际业务中没有“平方”，所以需要开方，即为标准差，有+-之分
数据标准化：Z-Score，将两组数据放在一个可对比的维度，比如销量和温度
量纲：单位；当观察日期和某业务数据关系时，可以将日期分解为按周和星期
切比雪夫定理：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
可视化：箱线图、直方图（对称型、陡壁型、锯齿型、孤岛型、偏锋型、双峰型）
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
事件：{正面，反面}
概率：各50%
补集、交集、并集
韦恩图
P(A∪B)=P(A)+P(B)-P(A∩B)
P(A|B)=P(A∩B)/P(B)
P(A|B)=P(A)
贝叶斯定理：结果A已经发生了，通过结果A反推真实原因可能性有多大
三道题
1、参加营销活动的人群中，女性只有30%，能否说明女性不爱参加活动？
2、某城市有两种颜色的出租车，蓝车和绿车市场比率15:85。一辆出租车夜间肇事逃逸，当时一位目击证人认出出租车是蓝色的。经过相同环境下对“蓝绿”测试得到：80%情况下识别正确，20%不正确，实际为蓝车可能性？
3、假设1000条正常短信中，包含“澳门赌场”的短信有2条，在垃圾短信中，包含“澳门赌场”的短信有400条。现在接收了一条新短信，在不浏览内容情况下，假设正常几率50%。现在解析短信内容，发现了澳门赌场这个词，它是垃圾短信的概率有多高？
网友评论