《数据与推断》课件.ppt

数据与推断：揭秘统计学的魅力欢迎来到数据与推断的奇妙世界！在这里，我们将探索统计学背后的奥秘，学习如何从数据中提取有价值的洞察，并运用这些知识来理解周围的世界。

什么是数据科学定义数据科学是一门利用科学方法、流程、算法、系统和工具来从结构化和非结构化数据中提取知识和洞察的跨学科领域。目标数据科学旨在帮助我们从数据中发现模式、趋势、关系和异常，从而更好地理解和解决现实问题。

数据科学的发展历程1早期阶段统计学和数据分析的萌芽，主要用于人口统计和社会调查。2计算机时代计算机技术的进步推动了数据分析的效率和规模，开创了现代数据科学的先河。3大数据时代互联网和移动设备的普及产生了海量数据，数据科学成为理解和利用这些数据的重要工具。4人工智能时代人工智能技术的快速发展，为数据科学提供了新的方法和工具，使数据分析更加智能化和自动化。

数据科学在现代社会的重要性1商业决策：通过数据分析，企业可以更好地了解客户、预测市场趋势、优化运营，从而提高盈利能力。2科学研究：数据科学帮助科学家们分析实验数据、验证理论、发现新的规律，推动科学进步。3医疗保健：数据科学可以用于疾病诊断、药物研发、个性化医疗等，提升医疗水平和效率。4公共政策：政府部门可以通过数据分析了解社会问题、制定有效的政策措施，改善社会治理。

数据的基本类型数值型数据可度量的数据，如身高、体重、温度。分类数据描述数据所属类别的数据，如性别、颜色、国家。顺序数据具有等级顺序的分类数据，如满意度等级、教育程度。

定性数据与定量数据定性数据描述特征、属性或类别的数据，通常无法直接进行量化，如颜色、性别、品牌。定量数据可度量的数据，通常以数字形式表示，如身高、体重、温度、销售额。

数据收集的基本方法调查法通过问卷、访谈等方式收集数据，适用于调查人们的观点、态度、行为等。观察法直接观察目标对象的行为或特征，适用于研究自然现象、社会现象等。实验法通过控制变量进行实验，研究变量之间的关系，适用于研究因果关系。数据挖掘从现有的大型数据集中挖掘有价值的信息和模式。

抽样技术介绍简单随机抽样每个个体被选中的概率相等，如从一个桶中随机抽取球。分层抽样将总体分成若干个子群，然后从每个子群中随机抽取样本。整群抽样将总体分成若干个群，然后随机选择一些群进行研究。系统抽样按一定间隔从总体中选取样本，如每隔5个个体选取一个样本。

随机抽样的重要性1减少偏差随机抽样可以确保每个个体被选中的概率相等，从而减少样本的偏差。2提高代表性随机抽样可以使样本更能代表总体，从而提高研究结果的可靠性。3降低成本相比于对总体进行全面的调查，随机抽样可以节省时间和成本。

样本与总体的关系总体我们想要研究的整个群体。1样本从总体中抽取的一部分个体。2推断根据样本的信息，推断总体的特征。3

描述性统计基础描述性统计是对数据进行整理、分析和概括，以揭示数据的基本特征和规律。通过图表、数值等形式，将数据直观地展现出来，便于理解和分析。使用一些统计指标来描述数据的集中趋势、离散程度、分布特征等。

集中趋势测量：平均数算术平均数所有数据的总和除以数据个数。∑x/n加权平均数将每个数据乘以其权重，然后将所有乘积相加除以所有权重之和。∑(w*x)/∑w

集中趋势测量：中位数中位数是将数据从小到大排列后，处于中间位置的那个数据。当数据个数为偶数时，中位数为中间两个数据的平均数。

集中趋势测量：众数众数是指数据集中出现频率最高的那个数据。一个数据集中可能存在多个众数，也可能没有众数。

离散程度测量：方差方差是用来衡量数据分散程度的统计指标，其计算方法是：将每个数据与平均数的差值的平方相加，然后除以数据个数减1。方差的值越大，数据的分散程度越大。

标准差的计算与意义标准差是方差的平方根，它与方差具有相同的单位，更容易理解和解释。标准差的值越大，数据的分散程度越大。标准差可以用于比较不同数据集的分散程度。

概率论基础1概率事件发生的可能性。2随机变量可以取不同值的变量，其取值是随机的。3概率分布描述随机变量取值的概率规律。4期望值随机变量的平均值。

概率分布类型离散型分布随机变量只能取有限个值或可数个值，如二项分布、泊松分布。连续型分布随机变量可以在一个连续范围内取值，如正态分布、指数分布。

正态分布的特征1钟形曲线正态分布的概率密度函数呈现钟形曲线，左右对称。2平均数、中位数、众数相等正态分布的平均数、中位数和众数都位于分布的中心。3标准差决定形状标准差越大，曲线越平坦，数据越分散。

二项分布与泊松分布二项分布描述n次独立试验中成功的次数的概率分布，每个试验只有两种可能结果。泊松分布描述一段时间或空间内事件发生的次数的概率分布，事件发生的概率很小，但事件数量很大。

假设检验的基本概念假设检验是一种统计方法，用于检验关于总体参数的假设是否成立。它通过分析样本数