第3节__数据的搜集.pdf

引子 12月21 日CSDN 部分用户信息遭到黑客泄露 12月22 日中国各大知名网站全面沦陷 12月23 日多玩、梦幻西游、人人网部分帐户密码通过木马泄露 12月24 日178、UUU9沦陷，事态蔓延，天涯全面沦陷，泄露多达900万帐户信息 网易土木在线也沦陷，数据量惊人 12月25 日百度疑因帐号开放平台泄露帐户信息 天涯疑泄露4000万用户资料 12月26 日Myspace用户数据泄露 塞班智能手机网校验准确率高达70% ，或塞班智能手机网沦陷 12月27 日网易土木论坛通过碰撞分析密码，用户资料全部属实！共计135文件，4.31G 178.com共计泄露超出1100万数据 凡客20万、当当10万 卓越20万用户资料验证泄露 12月28 日太平洋电脑泄露200万用户资料 工信部发布通告表示，强烈谴责窃取和泄露用户信息行为 12月29 日当当否认1200万用户信息泄露，称已向公安报案 传支付宝用户账号泄露达1500-2500万，官方称无资金安全威胁 微博传交通银行和民生银行用户资料外泄 12月30日工行、民生、交行等多家银行发布了官方声明，否认用户信息泄露 注：以上数据来自腾讯，内容仅供参考 引子 CSDN这次数据泄漏，同时也给了我们一些有趣的分析数据。我们可以轻松地统 计挨踢人士的邮箱使用情况，以及通常的密码长度等信息：大家通常最关心密码! 引子 大家最使用的密码长度不如所料，是8位左右 引子 最后一个有趣的数据是国内的邮箱使用情况 引子 统计了这次公布的6428632 个 CSDN 哪些密码出镜率较高？ 统计结果显示有239 万人的密 码和别人存在重复，在所有 密码中，123456789 出镜率高 居榜首，有23 万5 千人使用它 作为密码。 引出问题 以上一系列网络信息泄露事 件 ，给各互联网公司安全带 来了巨大冲击 ，你能想到什 么？ 第2章 数据来源与数据获取 2．1 数据与数据获取 2．2 抽样调查 2．3 调查设计 学习目标  1.了解数据的来源。  2. 了解普查、抽样调查的作用及特点。  3. 了解各种概率抽样与非概率抽样方法。  4. 了解抽样中的误差。  5.掌握数据的搜集方法。  6.学会设计调查方案和调查问卷。 北京建筑工程学院 Page 8 2.1 数据与数据获取 2.1.1 总体、个体、特征与数据 2.1.2 数据的类型 2.1.3 一手数据和二手数据 2.1.4 统计调查方式 北京建筑工程学院 Page 9 2.1.1 总体、个体、特征与数据 总体  所指研究对象的全体 ，称为总体 （ population or universe），又称为母体。 例如：  一年某专业的考生 （有限总体）  一条生产线上生产出来的某零件 （无限总 体，只要不停生产）  本省所有工人  本地区所有农民等。 北京建筑工程学院 Page 10 2.1.1 总体、个体、特征与数据 个体 （或成分）  组成总体的元素 （element ），称为个体 （Case or Individual ）。 1 ）个体数目有限的情况  在一个总体中 ，若