樣本在統計學中的定義(你對統計學中的五個基本概念了解多少？

你對統計學的五個基本概念了解多少？

大數據分析、電子商務、網站運營

本文介紹了數據分析師應該理解的五個基本統計概念：統計中樣本的定義

統計特征、概率分布、降維、過采樣/欠采樣、貝葉斯統計方法。從高度來看，統計學是一種利用數學理論進行數據分析的技術?；镜目梢暬问?，如柱狀圖，會給你更全面的信息。然而，通過統計，我們可以以更有信息驅動力和針對性的方式操作數據。所涉及的數學理論幫助我們形成數據的具體結論，而不僅僅是猜測。通過統計學，我們可以更深入、更詳細地觀察數據是如何準確組織的，以及如何以最佳形式應用其他相關技術以獲取更多信息。今天，讓我們來看看數據分析師需要掌握的五個基本統計概念，以及如何有效地應用它們。特征統計可能是數據科學中最常用的統計概念。它是您在研究數據集時經常使用的統計技術，包括偏差、方差、平均值、中位數、百分數等。在代碼中很容易理解特征統計。請參見下圖：統計中樣本的定義

在上圖中，中間的直線表示數據的中位數。中位數用于平均值，因為它對異常值更具魯棒性。第一個四分位數本質上是第二十五百分位數，即數據中的25%低于該值。第三個四分位數5百分位數，即數據中的75%低于該值。最大值和最小值表示數據范圍的上下兩端。箱形圖很好地說明了基本統計特征的作用：

當箱圖很短時，這意味著許多數據點是相似的，因為許多值分布在一個很小的范圍內；當箱圖較高時，這意味著大多數數據點之間存在很大的差異，因為這些值分布廣泛；如果中位數接近底部，則大多數數據具有較低的值。如果中位數接近頂部，則大多數數據具有較高的值?；旧?，如果中位線不在框架的中間，則表示偏差數據；如果框架上下兩側的長線表示數據具有較高的標準偏差和方差，則表示該值分散且變化很大。如果框架一側有長線，另一側不長，則數據可能只在一個方向上發生變化。我們可以將概率定義為某些事件的可能性，以百分比表示。在數據科學領域，這通常量化到0到1的范圍內，0意味著事件不會發生，1意味著事件將發生。然后，概率分布是表示所有可能值的概率的函數。請參見下圖：統計中樣本的定義

常見概率分布、均勻分布(上)、正態分布(中間)、泊松分布(下):

均勻分布是最基本的概率分布模式之一。它有一個只出現在一定范圍內的值，而在此范圍之外的值為0。我們也可以考慮它是一個具有兩個分類的變量：0或另一個值。分類變量可能有除0以外的多個值，但我們仍然可以將其視為多個均勻分布的分段函數。正態分布，通常被稱為高斯分布，由其平均值和標準偏差來定義。平均值在空間上來回分布，標準偏差控制其分布和擴散范圍。與其他分布模式的主要區別在于，標準偏差在所有方向上都是相同的。因此，通過高斯分布，我們知道數據集的平均值和數據的擴散分布，即它在相對較廣的范圍內擴展，或者主要集中在幾個值附近。泊松分布類似于正態分布，但有偏差。就像正態分布一樣，泊松分布在各個方向上都有相對均勻的擴散。然而，當偏差值非常大時，我們的數據在不同方向的擴散將會有所不同。在一個方向上，數據的擴散程度非常高，而在另一個方向上，擴散程度非常低。如果我們遇到一個高斯分布，那么我們知道有很多算法，默認情況下，高思分布將得到很好的執行，所以我們應該首先找到這些算法。如果是泊松分布，我們必須特別小心，選擇一個在空間擴展方面有良好變化的算法。這個術語可以直觀地理解，可以直觀地理解，這意味著降低數據集的維度在數據科學中，這是特征變量的數量。請參見下圖：

上圖中的立方體顯示了我們的數據集，它有三個維度，共1000點。根據目前的計算能力，計算1000個點很容易，但如果規模更大，就會遇到麻煩。然而，僅僅從二維的角度來看，例如，從立方體側的角度來看，很容易劃分所有的顏色。通過降低維度，我們將3D數據展現到2D平面上，這有效地把我們需要計算的點的數量減少到100個，大大節省了計算量。另一種方式是我們可以通過特征剪枝來減少維數。利用這種方法，我們刪除任何所看到的特征對分析都不重要。例如，在研究了數據集之后，我們可能會發現，在10個特征中，有7個與輸出高度相關，而其他3個則相關性很低。然后，這三個低相關性的特征可能不值得計算，我們可能只能在不影響輸出的情況下從分析中刪除它們。最常見的降維統計技術是PCA，它本質上創造了特征的向量表示，表明它們對輸出的重要性，即相關性。PCA可用于上述兩種降維方法的操作。過采樣、欠采樣和欠采樣是用于分類問題的技術。例如，我們有2000個樣本，但第二個樣本只有200個樣本。這將拋開我們嘗試和使用的許多機器學習技術來建模和預測數據。然后，過采樣和欠采樣可以應對這種情況。請參見下圖：

在上圖的左右兩側，藍色分類比橙色分類有更多的樣本。在這種情況下，我們有兩個預處理選擇，可以幫助機器學習模型進行培訓。不采樣意味著我們只會從樣本多的分類中選擇一些數據，盡可能多地使用樣本少的分類樣本。這個選擇應該是為了保持分類的概率分布。我們只是通過更少的抽樣來使數據集更加平衡。過采樣意味著我們將創建一個與大多數分類相同的樣本數量的少數分類副本。副本將制作成保持少數分類的分布。我們只是在沒有更多數據的情況下使數據集更加平衡。貝葉斯統計完全理解為什么當我們使用貝葉斯統計時，我們需要首先理解頻率統計失敗。當大多數人聽到概率這個詞時，頻率統計是首先想到的統計類型。它涉及到應用一些數學理論來分析事件的可能性很明顯，我們唯一計算的數據是先驗數據(priordata)。

假設我給了你一個骰子，問你扔6點的機會是多少，大多數人會說它是六分之一。但是，如果有人給你一個特定的骰子，你總能扔6點呢？因為頻率分析只考慮以前的數據，而作弊的骰子因素并沒有被考慮在內。貝葉斯統計確實考慮到了這一點，我們可以解釋：找到85236248個原始統計樣本的定義設計圖片，包括樣本定義圖片、材料、海報、證書背景、源文件，包括PSD、PNG、JPG、AI、CDR等格式素材！