作者：韩信子@ShowMeAI
教程地址：http://www.showmeai.tech/tutorials/33
本文地址：http://www.showmeai.tech/article-detail/136
声明：版权所有，转载请联系平台与作者并注明出处
一、一维：描述性统计
速查表
http://showmeai.tech/article-detail/100http://showmeai.tech/article-detail/101
描述性统计量分为：集中趋势、离散程度（离中趋势）和分布形态。
1.1 集中趋势数据的集中趋势，用于度量数据分布的中心位置。直观地说，测量一个属性值的大部分落在何处。描述数据集中趋势的统计量是：平均值、中位数、众数。
（1）平均值（Mean）指一组数据的算术平均数，描述一组数据的平均水平，是集中趋势中波动最小、最可靠的指标，但是均值容易受到极端值（极小值或极大值）的影响。
（2）中位数（Median）指当一组数据按照顺序排列后，位于中间位置的数，不受极端值的影响，对于定序型变量，中位数是最适合的表征集中趋势的指标。
（3）众数（Mode）指一组数据中出现次数最多的观测值，不受极端值的影响，常用于描述定性数据的集中趋势。
1.2 离散程度数据的离散趋势，用于描述数据的分散程度，描述离散趋势的统计量是：极差、四分位数极差（IQR）、标准差、离散系数。
（1）极差（Range）又称全距，记作R，是一组数据中的最大观测值和最小观测值之差。一般情况下，极差越大，离散程度越大，其值容易受到极端值的影响。
（2）四分位数极差（Inter-Quartile Range， IQR）又称内距，是上四分位数和下四分位数的差值，给出数据的中间一半所覆盖的范围。IQR是统计分散程度的一个度量，分散程度通过需要借助箱线图（Box Plot）来观察。通常把小于 Q 1 − 1.5 ∗ I Q R Q1-1.5*IQR Q1−1.5∗IQR 或者大于 Q 3 + 1.5 ∗ I Q R Q3+1.5*IQR Q3+1.5∗IQR 的数据点视作离群点。
（3）方差（Variance）方差和标准差是度量数据离散程度时，最重要】最常用的指标。方差，是每个数据值与全体数据值的平均数之差的平方值的平均数，常用 σ 2 sigma ^{2} σ2表示。
σ 2 = ∑ ( X − μ ) 2 N sigma^{2} = frac{sum left ( X - mu right )^{2}}{N} σ2=N∑(X−μ)2
（4）标准差（Standard Deviation）又称均方差，常用 sigma 表示，是方差的算术平方根。计算所有数值相对均值的偏离量，反映数据在均值附近的波动程度，比方差更方便直观。
σ = ∑ ( X − μ ) 2 N sigma = sqrt{frac{sum left ( X - mu right )^{2} }{N} } σ=N∑(X−μ)2
（5）离散系数（Coefficient of Variation）又称变异系数，为标准差 sigma 与平均值 mu 之比，用于比较不同样本数据的离散程度。离散系数大，说明数据的离散程度大；离散系数小，说明数据的离散程度也小。
C v = σ μ C_{v} = frac{sigma}{mu} Cv=μσ
1.3 分布形态 （1）偏度（Skewness）用来评估一组数据分布呈现的对称程度。
当偏度系数=0时，分布是对称的当偏度系数>0时，分布呈正偏态（右偏）当偏度系数<0时，分布呈负偏态（左偏） （2）峰度（Kurtosis）
用来评估一组数据的分布形状的高低程度的指标。
当峰度系数=0时，是正态分布当峰度系数>0时，分布形态陡峭，数据分布更集中当峰度系数<0时，分布形态平缓，数据分布更分散 （3）其他数据分布图
分位数是观察数据分布的最简单有效的方法，但分位数只能用于观察单一属性的数据分布。散点图可以用来观察双变量的数据分布，聚类可以用来观察更多变量的数据分布。通过观察数据的分布，采用合理的指标，使数据的分析更全面，避免得出像平均工资这类偏离事实的的分析结果。
二、交叉维度 2.1 相关性和线性回归（1）相关系数更多详细讲解 图解AI数学基础 | 概率与统计
又称简单相关系数，常用 r 表示，反应两个变量之间的相关关系及相关方向。
（2）线性回归（Linear Regression）线性回归是利用数理统计中回归分析，确定两种或两种以上变量间相互依赖的定量关系。
回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。
如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。
一项试验只有一个影响因素，或者存在多个影响因素时，只分析一个因素与响应变量的关系。
（2）多因素有交互方差分析一项实验有多个影响因素，分析多个影响因素与响应变量的关系，同时考虑多个影响因素之间的关系。
三、概率论速查表
http://showmeai.tech/article-detail/118http://showmeai.tech/article-detail/117
3.1 概率事件 （1）独立事件更多详细讲解 图解AI数学基础 | 概率与统计
P ( A ∩ B ) = P ( A ) P ( B ) Pleft ( Acap B right ) = P(A)P(B) P(A∩B)=P(A)P(B)
（2）对立事件P ( A ) = 1 − P ( B ) P(A) = 1 - P(B) P(A)=1−P(B)
（3）互斥事件P ( A ∩ B ) = 0 Pleft ( Acap B right ) = 0 P(A∩B)=0
（4）穷举事件P ( A ∪ B ) = 1 Pleft ( Acup B right ) = 1 P(A∪B)=1
3.2 条件概率 （1）条件概率P ( A ∣ B ) = P ( A B ) P ( B ) P(A mid B) = frac{P(AB)}{P(B)} P(A∣B)=P(B)P(AB)
（2）全概率公式P ( B ) = P ( A B ) + P ( A ˉ B ) = P ( A ) P ( B ∣ A ) + P ( A ˉ ) P ( B ∣ A ˉ ) P(B) = P(AB) + P(bar{A} B) = P(A)P(B mid A) + P(bar{A} )P(B mid bar{A} ) P(B)=P(AB)+P(AˉB)=P(A)P(B∣A)+P(Aˉ)P(B∣Aˉ)
（3）贝叶斯定理P ( A ∣ B ) = P ( A ) P ( B ∣ A ) P ( A ) P ( B ∣ A ) + P ( A ˉ ) P ( B ∣ A ˉ ) P(A mid B) = frac{ P(A)P(B mid A) }{ P(A)P(B mid A) + P(bar{A})P(B mid bar{A}) } P(A∣B)=P(A)P(B∣A)+P(Aˉ)P(B∣Aˉ)P(A)P(B∣A)
3.3 排列组合 （1）排列P n N = n ! ( N n ) = N ! ( N − n ) ! P_{n}^{N} = n! begin{pmatrix} N \ n end{pmatrix} = frac{N!}{ left (N-n right )! } PnN=n!(Nn)=(N−n)!N!
（2）组合C n N = ( N n ) = N ! n ! ( N − n ) ! C_{n}^{N} = begin{pmatrix} N \ n end{pmatrix} = frac{N!}{n! left (N-n right )! } CnN=(Nn)=n!(N−n)!N!
3.4 概率分布 （1）连续型概率分布正态分布：正态概率分布是连续型随机变量中最重要的分布，记为
x ∼ N ( μ ， σ 2 ) xsim Nleft (mu ， sigma^{2} right) x∼N(μ，σ2)
经验法则：正态随机变量有69.3%的值在均值加减个标准差的范围内，95.4%的值在两个标准差内，99.7%的值在三个标准差内。
（2）离散型概率分布伯努利分布
进行一次实验，若成功则随机变量取值为1，若失败则取值为0，成功的概率为p失败的概率为1-p
二项分布
n个独立的是/非实验中，成功次数的概率分布。n=1时，二项分布就是伯努利分布
泊松分布
在连续时间或空间单位上发生随机事件次数的概率。记为$$$$
四、统计推断4.1 抽样更多详细讲解 图解AI数学基础 | 概率与统计
抽样：应该满足抽样的随机性原则。
抽样方法：简单随机抽样、分层抽样、整群抽样、系统抽样
本教程系列的代码可以在ShowMeAI对应的github中下载，可本地python环境运行，能科学上网的宝宝也可以直接借助google colab一键运行与交互操作学习哦！
本系列教程涉及的速查表可以在以下地址下载获取：
Pandas速查表Matplotlib速查表Seaborn速查表 拓展参考资料
Pandas可视化教程Seaborn官方教程 ShowMeAI相关文章推荐
数据分析介绍数据分析思维数据分析的数学基础数据清洗与预处理业务分析与数据挖掘数据分析工具地图统计与数据科学计算工具库Numpy介绍Numpy与1维数组操作Numpy与2维数组操作Numpy与高维数组操作数据分析工具库Pandas介绍图解Pandas核心操作函数大全图解Pandas数据变换高级函数Pandas数据分组与操作数据可视化原则与方法基于Pandas的数据可视化seaborn工具与数据可视化 ShowMeAI系列教程推荐
图解Python编程：从入门到精通系列教程图解数据分析：从入门到精通系列教程图解AI数学基础：从入门到精通系列教程图解大数据技术：从入门到精通系列教程
