数据统计与分析应用指南.docVIP

数据统计与分析应用指南

TOC\o1-2\h\u22314第一章数据收集与预处理 3

259191.1数据来源与类型 3

299681.1.1内部数据来源 3

270421.1.2外部数据来源 3

269611.1.3数据类型 3

137631.2数据清洗与整合 4

7321.2.1数据清洗 4

13971.2.2数据整合 4

318531.3数据预处理方法 4

97091.3.1数据筛选 4

77181.3.2数据排序 4

142041.3.3数据聚合 4

12541.3.4数据可视化 4

128181.3.5特征工程 5

1344第二章描述性统计分析 5

273442.1频率分布与图表展示 5

39062.1.1频率分布 5

28692.1.2图表展示 5

249462.2常见统计量度 5

119472.2.1中心趋势量度 5

32362.2.2离散程度量度 5

167632.2.3偏态和峰度 6

60442.3数据可视化技巧 6

216252.3.1使用颜色 6

185792.3.2使用标注 6

294072.3.3使用动画 6

31002.3.4使用交互式图表 6

133622.3.5使用适当的图表类型 6

27645第三章假设检验与推断统计 6

210313.1假设检验的基本原理 6

240503.1.1假设设定 7

27903.1.2显著性水平 7

126683.1.3检验统计量 7

66793.1.4拒绝规则 7

238423.2常见假设检验方法 7

101383.2.1单样本t检验 7

119913.2.2双样本t检验 7

166123.2.3卡方检验 7

164743.2.4方差分析（ANOVA） 7

231223.3结果解释与置信区间 8

224763.3.1结果解释 8

327483.3.2置信区间 8

24021第四章相关性分析 8

228954.1相关性概述 8

76934.2皮尔逊相关系数 8

9314.2.1定义与性质 8

275194.2.2计算方法 9

44114.2.3应用场景 9

211284.3斯皮尔曼秩相关系数 9

224814.3.1定义与性质 9

26504.3.2计算方法 9

45474.3.3应用场景 9

11243第五章回归分析 9

255955.1线性回归模型 9

84805.2多元线性回归 10

38135.3非线性回归模型 10

5736第六章时间序列分析 11

31026.1时间序列基本概念 11

189866.2时间序列预测方法 11

98976.3ARIMA模型 12

12470第七章聚类分析 12

188527.1聚类分析概述 12

226727.2常见聚类算法 13

250457.2.1Kmeans聚类算法 13

67447.2.2层次聚类算法 13

206247.2.3密度聚类算法 13

144827.3聚类结果评估 14

88917.3.1轮廓系数 14

304977.3.2同质性、完整性和Vmeasure 14

53727.3.3调整兰德指数（AdjustedRandIndex，ARI） 14

12087第八章主成分分析 14

302948.1主成分分析原理 14

194488.1.1基本概念 14

176058.1.2原理阐述 14

156678.2主成分分析应用 15

316378.2.1数据降维 15

63618.2.2数据可视化 15

24378.2.3特征提取 15

105108.2.4异常值检测 15

217518.3主成分分析优化方法 15

215328.3.1增量主成分分析 15

99218.3.2核主成分分析 16

298278.3.3随机主成分分析 16

226168.3.4稀疏主成分分析 16

11002第九章数据挖掘与机器学习 16

185329.1数据挖掘概述 16

166799.1.1定义与背景 16

289399.1.2