数据科学之入门：数据科学家应该了解的10个统计学概念

总体是一个群体中的所有元素。例如，美国的大学生是包括美国所有大学生的总体。在欧洲25岁的人是一个总体，该总体包括所有符合该描述的人。

由于我们不能收集一个总体的所有数据，因此对总体进行分析有时是不可行或不可能的，因此，可以借助样本进行分析。样本是总体的一个子集。例如，1000名美国大学生是“美国大学生”总体的一个子集。

2. 正态分布

概率分布是表示事件或实验结果概率的函数。考虑数据帧中的一个特性(即列)。这个特征是一个变量，它的概率分布函数显示了可以取值的区间。

概率分布函数在预测分析或机器学习中非常有用。我们可以根据某个总体样本的概率分布函数来预测该总体。

正态(高斯)分布是一个概率分布函数，看起来像一个钟型。下图显示了典型正态分布曲线的形状。

曲线的峰值表示变量最可能采用的值。离峰值越远，取该值的概率就越小。

3.量度集中趋势

中心趋势是概率分布的中心值(或典型值)。最常用的中心趋势度量是平均数、中位数和众数。

· 平均数是一列数值的平均值。

· 中位数是按升序或降序排序时中间的值。

· 众数是最常出现的值。

4.方差与标准差

方差是值之间变化的度量。它的计算方法是求每个值和平均值的平方差，然后将这些平方差相加，最后将总和除以样本数。

标准差是衡量数值分布的一种方法，它是方差的平方根。

5. 协方差和相关性

协方差是一种定量方法，它表示两个变量的变化在多大程度上相互匹配。更具体地说，协方差以其平均值(或预期值)来比较两个变量的偏差。

下图显示了随机变量X和Y的一些值。橙色点表示这些变量的平均值。这些值的变化与变量的平均值类似。因此，X和Y之间存在正值协方差。

（编辑：焦作站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!