導(dǎo)語：數(shù)據(jù)分析師日常工作接觸離不開數(shù)據(jù)，甚至大部分工作時(shí)間都會(huì)面對(duì)數(shù)據(jù)所體現(xiàn)的各種問題，單純看數(shù)據(jù)并沒有具體作用，帶著業(yè)務(wù)目的去挖掘分析才會(huì)讓數(shù)據(jù)顯得更有價(jià)值，就需要學(xué)習(xí)描述統(tǒng)計(jì)分析的一些知識(shí)。

本篇內(nèi)容主要根據(jù)3大主題，去深入了解一下描述統(tǒng)計(jì)分析：

1、學(xué)習(xí)統(tǒng)計(jì)對(duì)我有什么意義

（1）首當(dāng)其沖的是，轉(zhuǎn)行數(shù)據(jù)分析師必要懂統(tǒng)計(jì)學(xué)原理：描述統(tǒng)計(jì)和推斷統(tǒng)計(jì)

（2）職場、生活、娛樂、創(chuàng)業(yè)都離不開統(tǒng)計(jì)學(xué)的魅力，例如

你工作2年了，工資處于行業(yè)的什么水平；

你一生中每年摔倒的次數(shù)分布；

手機(jī)記錄著你一天使用每個(gè)APP的分布時(shí)間（該時(shí)候提高一下學(xué)習(xí)軟件占用的時(shí)間）；

人的一生中平均所遇到的失敗次數(shù)；

（3）進(jìn)一步了解世界變化的原理，看世界的視角會(huì)有所變化

2、描述統(tǒng)計(jì)中常用描述數(shù)據(jù)集的指標(biāo)（平均數(shù)、四分位數(shù)、標(biāo)準(zhǔn)差、標(biāo)準(zhǔn)分）

學(xué)習(xí)這些指標(biāo)前，先來了解什么是描述統(tǒng)計(jì)學(xué)：

描述統(tǒng)計(jì)學(xué)是研究如何取得反映客觀現(xiàn)象的數(shù)據(jù) ，并通過圖表形式對(duì)所搜集的數(shù)據(jù)進(jìn)行加工處理和顯示，進(jìn)而通過綜合概括與分析得出反映客觀現(xiàn)象的規(guī)律性數(shù)量特征的一門學(xué)科。描述統(tǒng)計(jì)學(xué)內(nèi)容包括統(tǒng)計(jì)數(shù)據(jù)的收集方法、數(shù)據(jù)的加工處理方法、數(shù)據(jù)的顯示方法、數(shù)據(jù)分布特征的概括與分析方法等。

平均數(shù)

平均數(shù)是統(tǒng)計(jì)學(xué)中最常用的統(tǒng)計(jì)量，用來表明資料中各觀測值相對(duì)集中較多的中心位置。

優(yōu)勢：在統(tǒng)計(jì)中算術(shù)平均數(shù)常用于表示統(tǒng)計(jì)對(duì)象的一般水平，它是描述數(shù)據(jù)集中位置的一個(gè)統(tǒng)計(jì)量。既可以用它來反映一組數(shù)據(jù)的一般情況、和平均水平，也可以用它進(jìn)行不同組數(shù)據(jù)的比較，以看出組與組之間的差別。

局限性：易受極端值的影響,這里的極端值是指偏大或偏小數(shù),當(dāng)出現(xiàn)偏大數(shù)時(shí),平均數(shù)將會(huì)被抬高,當(dāng)出現(xiàn)偏小數(shù)時(shí),平均數(shù)會(huì)降低，例如：一間企業(yè)里，有老板，高層，中層和基層，如果算這間企業(yè)平均月薪水平在30000，高層月薪100000，而作為基層的你拿著4000月薪，直接跟企業(yè)平均工資來對(duì)比，并無太大意義；同時(shí)單純看企業(yè)平均月薪，也體現(xiàn)不到一個(gè)平均水平情況

公式：

四分位數(shù)

四分位數(shù)也稱四分位點(diǎn)，是指在統(tǒng)計(jì)學(xué)中把所有數(shù)值由小到大排列并分成四等份，處于三個(gè)分割點(diǎn)位置的數(shù)值。多應(yīng)用于統(tǒng)計(jì)學(xué)中的箱線圖繪制。它是一組數(shù)據(jù)排序后處于25%和75%位置上的值。四分位數(shù)是通過3個(gè)點(diǎn)將全部數(shù)據(jù)等分為4部分，其中每部分包含25%的數(shù)據(jù)。很顯然，中間的四分位數(shù)就是中位數(shù)（Q2），因此通常所說的四分位數(shù)是指處在25%位置上的數(shù)值（稱為下四分位數(shù)，Q1）和處在75%位置上的數(shù)值（稱為上四分位數(shù)，Q3）

優(yōu)勢：與數(shù)據(jù)的排列位置有關(guān),某些數(shù)據(jù)的變動(dòng)對(duì)它沒有影響；它是一組數(shù)據(jù)中間位置上的代表值,不受數(shù)據(jù)極端值的影響，常用于比較不同類別數(shù)據(jù)的整體情況和識(shí)別出可能的異常值。

局限性：作為一組數(shù)據(jù)的代表,可靠性比較差,因?yàn)樗焕昧瞬糠謹(jǐn)?shù)據(jù)；

實(shí)例1（當(dāng)項(xiàng)數(shù)為奇數(shù)時(shí)）-數(shù)據(jù)總量: 6, 47, 49, 15, 42, 41, 7, 39, 43, 40, 36

由小到大排列的結(jié)果: 6, 7, 15, 36, 39, 40, 41, 42, 43, 47, 49,一共11項(xiàng)

Q1 的位置=（11+1） × 0.25=3， Q2 的位置=（11+1）× 0.5=6， Q3的位置=（11+1） × 0.75=9

Q1 = 15，Q2 = 40，Q3 = 43

實(shí)例2（當(dāng)項(xiàng)數(shù)為偶數(shù)時(shí)）-數(shù)據(jù)總量: 7, 15, 36, 39, 40, 41

由小到大排列的結(jié)果: 7, 15, 36, 39, 40, 41，一共6項(xiàng)

數(shù)列項(xiàng)為偶數(shù)項(xiàng)時(shí)，Q2為該組數(shù)列中間兩個(gè)數(shù)字和的平均值，Q1在第一與第二個(gè)數(shù)字之間， Q3在第五與第六個(gè)數(shù)字之間，

Q1 = 0.75*15+0.25*7 = 13，Q2 = （36+39）/2= 37.5，Q3 = 0.25*41+0.75*40 = 40.25.

實(shí)例3（當(dāng)項(xiàng)數(shù)為偶數(shù)時(shí)）-分析就餐人員與餐館的距離，數(shù)據(jù)單位為公里

標(biāo)準(zhǔn)差

簡單來說，標(biāo)準(zhǔn)差是一組數(shù)據(jù)平均值分散程度的一種度量。一個(gè)較大的標(biāo)準(zhǔn)差，代表大部分?jǐn)?shù)值和其平均值之間差異較大；一個(gè)較小的標(biāo)準(zhǔn)差，代表這些數(shù)值較接近平均值。

優(yōu)勢：告訴我們數(shù)據(jù)的波動(dòng)性有多大，例如兩個(gè)班的學(xué)生分?jǐn)?shù)，標(biāo)準(zhǔn)差的大小能說明兩個(gè)班的學(xué)生成權(quán)績誰的波動(dòng)大，也就是哪個(gè)班的學(xué)生成績穩(wěn)定些，標(biāo)準(zhǔn)差大的不穩(wěn)定些，標(biāo)準(zhǔn)差小的穩(wěn)定些

局限性：如果兩個(gè)數(shù)據(jù)差別比較大，那么就無法比較，這時(shí)可以用變異系數(shù)可以彌補(bǔ)這個(gè)缺點(diǎn)

什么是變異系數(shù)呢？

當(dāng)需要比較兩組數(shù)據(jù)離散程度大小的時(shí)候，如果兩組數(shù)據(jù)的測量尺度相差太大，或者數(shù)據(jù)量綱的不同，直接使用標(biāo)準(zhǔn)差來進(jìn)行比較不合適，此時(shí)就應(yīng)當(dāng)消除測量尺度和量綱的影響，而變異系數(shù)可以做到這一點(diǎn)，它是原始數(shù)據(jù)標(biāo)準(zhǔn)差與原始數(shù)據(jù)平均數(shù)的比。

標(biāo)準(zhǔn)差計(jì)算方式：

數(shù)據(jù)集：?

平均值：?

標(biāo)準(zhǔn)差?

變異系數(shù)計(jì)算方式：

標(biāo)準(zhǔn)分

也叫z分?jǐn)?shù)，是一種具有相等單位的量數(shù)。它是將原始分?jǐn)?shù)與團(tuán)體的平均數(shù)之差除以標(biāo)準(zhǔn)差所得的商數(shù)，是以標(biāo)準(zhǔn)差為單位度量原始分?jǐn)?shù)離開其平均數(shù)的分?jǐn)?shù)之上多少個(gè)標(biāo)準(zhǔn)差，或是在平均數(shù)之下多少個(gè)標(biāo)準(zhǔn)差。

數(shù)據(jù)集：?

平均值：?

標(biāo)準(zhǔn)差：?

標(biāo)準(zhǔn)分:?

?(? 為具體的某個(gè)數(shù)值）

最后一張圖總結(jié)剛才所介紹4個(gè)指標(biāo)的大致描述

3、熟悉數(shù)據(jù)集，嘗試從數(shù)據(jù)集中分析哪些業(yè)務(wù)問題？

數(shù)據(jù)集鏈接：騰訊文檔?docs.qq.com

購買信息表：

（1）每個(gè)商品一級(jí)分類下，哪個(gè)二級(jí)分類的商品賣得更多

（2）每個(gè)分類下，爆款商品是哪一個(gè)（購買數(shù)量越大，就是爆款）

（3）每個(gè)一級(jí)分類、二級(jí)分類、商品，在不同時(shí)間段購買情況的分布

（4）每個(gè)商品一級(jí)分類下，二級(jí)分類的銷售分布情況

（5）找出每個(gè)分類下的淡旺季購買情況

嬰兒信息表：

（1）嬰兒總體的男女占比

（2）嬰兒不同年齡段的數(shù)量分布情況