数据分析 NO.17 描述统计

第二十五天： 描述统计

连续型变量和分类型变量
id 一般也是分类变量。可以说没有大小的说法

图表法：

相对频数分布： 频数/N N是全部的样本数据
百分数频数分布 ： 相对频数分布 加个%

分类型数据：
第一反应 先想到频数！，条形图，饼形图

单变量数量型数据：

每个组 组限不能重叠

双变量

两个分类数据分析： 看一下交叉频率，看一下各自的频数
一个分类，一个数量： 可视化可以boxplot
两个连续性：先想到做散点图，看相关性。

数值方法：

中位数： 中间的那个数（排完序从小到大）

标准差系数：S/X平均 %

Z-分数
经验法则：如果该观测值超过了3个标准差的量度，那么就是异常值（异常检测）

一般来说：2个标准是75%，3个标准差是89%，4个标准差是94%

60-70=-10
80-70=10
标准差为5  则范围是2个标准差，那么至少
（1-1/2*2）=75% 在此范围内

上图中：IQR=Q3-Q1

值的范围[-1,+1] 可以说越接近于1，关系越强，越接近0，关系越弱。