统计基础知识课件.pptx

统计基础知识课件演讲人：日期：

CATALOGUE目录01统计基本概念02数据收集与整理03描述性统计分析方法04推论性统计分析原理及应用05回归分析基础及应用场景06统计图表解读与制作技巧

01统计基本概念

统计是一种通过收集、整理、分析和解释数据来揭示现象本质和规律性的方法论科学。统计定义统计在各个领域都有广泛的应用，如经济分析、医学研究、社会科学、工业控制等，通过数据分析来指导决策、评估效果、预测趋势和发现新的知识。统计的作用统计定义及作用

古典统计学时期古典统计学起源于17世纪欧洲，主要关注数据的收集、整理和描述，代表人物有威廉·配第、约翰·格朗特等。统计学发展历程现代统计学时期19世纪中后期，随着概率论的发展，统计学逐渐从描述性统计学向推断性统计学发展，代表人物有卡尔·皮尔逊、罗纳德·费舍尔等。当代统计学时期20世纪中后期至今，统计学与计算机科学、信息技术等学科交叉融合，形成了现代数据科学和统计学习方法，如数据挖掘、机器学习等。

总体总体是研究对象的全体，如全国人口普查中的所有人口。样本样本是从总体中抽取的一部分个体或对象，用于代表总体进行研究和分析。变量变量是研究中需要测量的特征或属性，如人的身高、体重、年龄等。概率概率是描述随机事件发生可能性的数值，通常介于0和1之间。常用统计术语解释

02数据收集与整理

企业数据、政府数据、社会数据等。数据来源多样化数据类型多样数据质量结构化数据、非结构化数据、半结构化数据。数据的准确性、完整性、时效性、一致性等。数据来源及类型

通过控制实验条件，获取所需数据。实验法通过直接观察研究对象来获取数据。观测计合理的问卷，进行大面积调查，收集相关数据。问卷调查通过网络爬虫程序自动收集互联网上的数据。网络爬虫技术数据收集方法与技术

数据清洗和预处理技巧缺失值处理删除缺失值、均值填充、插值法、建模预测等。异常值处理删除异常值、修正错误数据、替换为平均值等。数据去重去除重复数据，保证数据唯一性。数据转换将数据转换成适合分析的格式，如将文本数据转换为数值型数据。

03描述性统计分析方法

所有数值相加后除以数值个数，用于表示数据的“平均水平”。平均数将数据按大小排序后位于中间的数，能反映数据的中心趋势且不受极端值影响。中位数数据中出现次数最多的数，用于表示数据的“普遍水平”。众数集中趋势测量指标010203

01极差数据中的最大值与最小值之差，用于衡量数据的波动范围。离散程度测量指标02方差每个数据与平均数的差的平方的平均值，用于反映数据离散程度的大小。03标准差方差的平方根，与原始数据的单位相同，更便于对数据离散程度进行直观比较。

分布类型根据数据的分布情况，可将其分为正态分布、偏态分布等类型，不同类型的分布具有不同的特点和适用场景。偏态数据分布的不对称性，可分为左偏和右偏。左偏表示数据中小数值较多，右偏表示数据中大数值较多。峰度数据分布的陡峭程度，可分为尖峰、扁平峰和正常峰。尖峰表示数据分布更集中，扁平峰表示数据分布更分散。分布形态描述

04推论性统计分析原理及应用

通过对样本的研究，推断出总体的特征和规律。推论性统计的目的参数估计和假设检验。推论性统计的两种类型利用概率论理论，根据试验或调查获得的样本信息，对总体的性质进行估计和检验。推论性统计定义推论性统计基本概念

点估计用样本统计量来估计总体参数的方法，如用样本均值估计总体均值。参数估计的常用方法矩估计法、最大似然估计法等。区间估计用一定的概率保证总体参数落在某个区间内，如置信区间。参数估计方法介绍

假设检验的基本思想先对总体参数做出一个假设，然后通过样本信息来检验这个假设是否成立。建立假设包括原假设和备择假设。选择检验统计量根据假设和样本信息，选择一个合适的统计量。确定显著性水平设定一个概率值，作为拒绝原假设的临界值。计算检验统计量的值根据样本数据计算出检验统计量的值。做出决策比较检验统计量的值与显著性水平，决定是否拒绝原假设。假设检验原理与步骤010203040506

05回归分析基础及应用场景

线性回归定义线性回归是利用数理统计中的回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。线性回归表达形式线性回归的应用场景线性回归模型简介y=wx+e，其中e为误差，服从均值为0的正态分布。线性回归广泛应用于预测、分析、建模等场景，如预测销售额、分析影响因素等。

多元线性回归定义多元线性回归是指回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系的回归分析。多元线性回归模型多元线性回归模型可以表示为y=β0+β1x1+β2x2+...+βnxn+e，其中βi为回归系数，xi为自变量，e为误差项。多元线性回归分析方法多元线性回归分析主要包括模型建立