中财统计学课件.pptxVIP

中财统计学课件

演讲人：

日期:

06

实际应用案例

目录

01

统计学基础概念

02

数据收集与处理

03

描述性统计分析

04

概率理论

05

统计推断方法

01

统计学基础概念

统计学的定义与重要性

科学决策的基石

统计学是通过收集、整理、分析数据，揭示现象规律的科学，为政府政策制定、企业战略规划提供量化依据，避免主观臆断。

03

02

01

跨学科通用工具

在经济学、医学、社会学等领域中，统计学方法（如假设检验、回归分析）是验证理论、评估效果的核心手段，推动学科交叉创新。

大数据时代的核心技能

随着数据爆炸式增长，统计学成为处理海量信息（如用户行为数据、物联网数据）的关键技术，支撑人工智能与机器学习发展。

定性数据描述属性（如性别、品牌偏好），需分类编码；定量数据反映数值（如收入、温度），可进行数学运算，进一步分为离散型（如人口数）和连续型（如身高）。

数据基本类型

定性数据与定量数据

横截面数据记录同一时间点的多个对象（如2023年各省GDP），时间序列数据跟踪同一对象在不同时间的变化（如某公司十年股价），分析时需注意时序相关性。

横截面数据与时间序列数据

结构化数据（如Excel表格）易于统计分析；非结构化数据（如文本、图像）需通过自然语言处理或深度学习转化后分析，是当前研究热点。

结构化与非结构化数据

经济与金融分析

通过描述统计（如GDP增长率）和推断统计（如风险评估模型）指导投资决策，例如CAPM模型量化资产收益与风险关系。

医疗与公共卫生

临床试验中采用随机对照试验（RCT）和生存分析评估药物疗效，流行病学中利用空间统计追踪疾病传播路径。

工业质量控制

应用统计过程控制（SPC）和六西格玛管理，通过控制图监控生产流程稳定性，降低产品缺陷率。

社会调查与舆情分析

基于抽样调查（如分层抽样）和文本挖掘技术，分析公众意见分布，为政策调整提供数据支持。

统计学应用领域

02

数据收集与处理

数据收集方法

在控制条件下进行实验，记录实验对象的行为或反应数据，适用于因果关系研究，需确保实验设计的严谨性。

实验观测法

网络爬虫技术

数据库查询法

设计结构化问卷，通过线上或线下方式收集目标群体的意见和行为数据，需注意问卷设计的科学性和样本的代表性。

利用自动化程序从互联网抓取公开数据，适用于大规模数据采集，需遵守相关法律法规和网站协议。

从企业或机构的内部数据库中提取结构化数据，适用于已有数据系统的场景，需注意数据权限和隐私保护。

问卷调查法

使用箱线图、Z-score等方法识别异常值，并根据业务逻辑决定修正或剔除，避免对分析结果产生干扰。

异常值检测与处理

通过Min-Max缩放、Z-score标准化等方法消除量纲影响，使不同特征具有可比性，提升模型性能。

数据标准化与归一化

01

02

03

04

通过删除、插补或标记等方式处理数据中的缺失值，插补方法包括均值填充、回归预测等，需根据数据特点选择合适策略。

缺失值处理

通过独热编码、分箱、特征交叉等方法转换原始变量，增强数据的表达能力，为后续建模奠定基础。

特征工程构建

数据清洗与预处理

数据质量评估

完整性评估

检查数据记录是否齐全，字段是否存在大量缺失，评估缺失比例是否影响分析结论的可靠性。

01

02

03

04

准确性验证

通过逻辑校验、交叉比对等方法核实数据值与真实情况的一致性，识别可能的录入错误或系统偏差。

一致性检验

分析同一数据在不同来源或时间点的差异，确保数据定义和统计口径的统一性，避免数据孤岛问题。

时效性评价

判断数据采集时间与分析需求的匹配程度，对于实时性要求高的场景需特别关注数据更新频率和延迟情况。

03

描述性统计分析

集中趋势度量

算术平均数

反映数据集中趋势的核心指标，适用于对称分布且无极端值的数据集，计算方式为所有观测值之和除以样本量，但对异常值敏感。

几何平均数

适用于比率或指数型数据（如增长率计算），通过各观测值连乘积的n次根计算，能弱化极端值影响但要求数据均为正数。

中位数

将数据按大小排序后位于中间位置的值，适用于偏态分布或存在极端值的数据，能有效避免异常值干扰，尤其适合收入、房价等非对称数据。

众数

数据集中出现频率最高的数值，适用于分类数据或明显集中分布的场景，如商品销售峰值分析，但多峰分布时解释力有限。

离散程度度量

1

2

3

4

极差

最大值与最小值之差，计算简单但易受异常值影响，仅反映数据跨度无法体现内部分布特征。

方差为各数据与均值离差平方的平均值，标准差为其平方根，全面反映数据波动性，单位与原始数据一致，是量化离散程度的核心指标。

方差与标准差

四分位距

第三四分位数与第一四分位数之差，反映中间50%数据的离散情况，对异常值稳健，常用于箱线图构建。

变异系数

标准差与均值的比值，消除量纲影响，适用于比较不同单位