研究人员在图书馆档案中搜索计算机数据库。

嗨~盆友们！

今天的内容很干，大家一定要看~ ~

做数据分析肯定会涉及到统计学的知识。之前也推送过一些统计学相关的基础知识。今天我就来分享一下统计学中我们有可能用到的7种数据分析方法。

一.描述性统计

描述是通过图表或数学方法对数据进行整理和分析，估计和描述数据分布、数字特征和随机变量之间关系的方法。

描述统计分为集中趋势分析、偏离中心趋势分析和相关性分析三个部分。

集中趋势分析

趋势分析主要依靠均值、中值、众数等统计指标来表达数据集中的趋势。

偏离趋势分析

偏差趋势分析主要依靠全距、四分位差、平均差、方差(协方差:用于度量两个随机变量之间关系的统计量)和标准差等统计指标来研究数据的偏差趋势。比如我们想知道两个班的语文成绩，哪个班的分散度更大，可以用四分差或者百分点来比较。

相关性分析

相关性分析讨论数据之间是否存在统计相关性。

第二，假设检验

假设是一种统计推断方法，用于判断样本与样本、样本与总体之间的差异是由抽样误差还是本质差异引起的。

假设检验可分为三类:正态分布检验、正态总体均值分布检验和非参数检验。

正态分布检验

正态分布检验包括JB检验、KS检验和Lilliefors检验三种类型，用于检验样本是否来自正态分布总体。

正态总体均值分布检验

正态总体均值分布检验考察系统误差对检验结果的影响。从统计学上讲，所有样本的均值之差应该在随机误差允许的范围内。相反，如果不同样本的均值之差超过允许范围，则说明除了随机误差外，均值之间还存在系统误差，导致均值之间存在显著差异。

有两种情况:

t:主要用于样本含量小，总体标准差未知的正态分布数据。它使用t分布理论来推断差异的概率，从而确定两个平均值之间的差异是否显著。

u检验:通常用于检验大样本的均值差异，假设样本来自正态总体。它利用标准正态分布的理论来推断差异的概率，从而比较两个平均数之间的差异是否显著。国外英语统计多采用z检验。

非参数检验

非参数检验不考虑总体分布是否已知，只应用样本观测值的一些非常直观的信息。适用情况包括:待分析的数据不能满足参数检验所要求的假设，因此参数检验不能应用；仅由一些等级组成的数据；提出的问题不包含参数；当你需要快速得到结果的时候。其主要方法包括:卡方检验、秩和检验、二项式检验、游程检验、K-数量检验和符号检验。

三。相关分析

相关性分析是研究现象之间关系的主要方法之一。它可以决定现象之间关系的大小和方向。相关关系的类型可分为:

根据相关程度:完全相关、不相关、不完全相关。

根据依赖的表现形式:线性相关和非线性相关。

按相关方向:正相关和负相关。

按研究量分:单相关和多相关。

相关性的测量方法包括:散点图、相关系数等。

四。回归分析

回归分析是确定两个或多个变量之间数量关系的统计分析方法。根据变量的数量和变量之间的关系，可以分为多元回归:

一元线性回归分析

分析因变量和自变量之间的线性关系。常用的统计指标有:平均、增减、平均增减。

多元线性回归分析

分析多个自变量与一个因变量的线性关系。在实际的统计分析中，一般用软件来估计多元回归模型。

非线性回归分析

自变量和因变量之间因果关系的函数表达式是非线性的。很多非线性回归模型包括对数曲线方程、反函数曲线方程、二次曲线方程、三次曲线方程、复合曲线方程、幂函数曲线方程、S形曲线方程，都是非线性回归方程。

还有很多其他的回归分析模型。之前写过一篇回归分析的内容，想了解的朋友可以看看，这里就不赘述了！

常见的10种回归分析模型算法，果断收藏

动词 （verb的缩写）方差分析

方差分析，也称为“ANOVA”或“f检验”，用于检验两个或多个样本之间平均差异的显著性。使用条件包括:所有样本必须是独立随机样本；所有样本来自正态分布总体；所有总体方差都是相等的。

根据所分析的测试因素的数量，可以分为:

单向方差分析

它用于研究一个受控变量的不同水平是否对被观察变量有显著影响。这里因为只研究单一因素。

双因素方差分析

用于分析两个因素的不同水平对结果是否有显著影响，以及两个因素之间是否存在交互作用。

不及物动词聚类分析

聚类分析是一种探索性分析。在分类的过程中，人们不必事先给出一个分类标准。聚类分析可以根据样本数据将数据分为不同的类或簇。同一个集群中的对象非常相似，而不同集群中的对象却大相径庭。

聚类分析计算溜溜球资源 *** 的方法主要有:

拆分方法

首先，创建k个分区，其中k是要创建的分区的数量。然后，使用循环定位技术通过将对象从一个分区移动到另一个分区来帮助提高分区质量。典型的分类方法有:k-means、k-medoids、CLARA、CLARANS、FCM等。

分层方法

创建层次结构来分解给定的数据集可以分为自顶向下(分解)和自底向上(合并)操作。方法:桦木、CURE、ROCK、CHEMALOEN等。

基于密度的方法

根据密度完成对象的聚类。这些方法包括DBSCAN、光学等。

基于网格的方法

首先将objects 空划分成有限个单元，形成网格结构，然后利用网格结构完成聚类。方法包括蛰、团等。

基于模型的方法

假设每个集群的模型，并找到适合相应模型的数据。方法包括COBWEB、CLASSIT等。

七。时间序列分析

时间序列是将同一现象在不同时间的观测数据按时间顺序排列而得到的序列，也称为动态序列。时间序列的两个基本要素:一个现象所属的时间和反映该现象在不同时间的指标值。

时间序列可以分为:

绝对数字时间序列

它是指按时间顺序排列的一系列相似的总资源 *** 指数数据，反映了各时期该现象的绝对水平。可以分为时间序列和时间序列。

相对对数时间序列

是指将相对指标值按时间顺序排列形成的时间序列，主要反映客观现象数量对比关系的发展过程。

平均时间序列

是指按时间顺序排列的一系列相似的平均指标值，主要反映客观现象总体水平的发展变化过程。可分为静态平均时间序列和动态平均时间序列。

时间序列的分析模型可以分为:

长期趋势测量分析方法:时间距离展开法、移动平均法、最小二乘法。

计量分析季节变化的方法:同期平均法和移动平均趋势消除法。

流通计量分析方法:直接法和剩余法。

当然，统计学远不止这七种数据分析方法，还有很多其他方法值得我们深入研究，比如路径分析、因子分析、主成分分析等等。如果以后想做数据分析，一定要多学习一些统计学的基础知识。

本文地址：百科常识频道 https://www.neebe.cn/changshi/937009.html，易企推百科一个免费的知识分享平台，本站部分文章来网络分享，本着互联网分享的精神，如有涉及到您的权益，请联系我们删除，谢谢！