简单地聊聊统计学
写在前面
这个系列会写一下有关统计学的知识和实际中的运用，今天这篇文章先从最基本的开始。
1、什么是统计学？
统计学，就是收集、处理、分析、解释数据并从中得出结论的一个学科。不管你是做什么行业，只要接触到数据，就或多或少地会应用到统计学的知识，所以，学习统计学非常有用。
2、描述统计和推断统计
总的来说，统计方法有两种，描述统计是对数据进行概况分析的统计方法，推断统计是用样本推断总体特征的统计方法。
3、统计学中的几个基本概念
总体：要研究的全部个体的集合
样本：总体中的部分元素的集合
参数：描述总体特征的数字度量
统计量：描述样本特征的数字度量
如在全市200万个使用某wifi的用户中随机抽取2000个用户，推断全市用户对wifi的满意度情况。
这里的总体是：200万个使用某wifi的用户
样本：2000个用户
参数：200万个用户的满意度情况
统计量：2000个用户的满意度情况
这里用到的统计方法就是推断统计了。
4、数据类型
按计量尺度可以分为定性数据和定量数据，定性数据就是用非数值来描述的数据，更进一步地，可以细分为分类数据和顺序数据，分类数据就是某一类别的数据，如男和女、优秀良好和及格等。顺序数据就是分类数据中的类别不是杂乱的，而是有序的，如产品分为一等、二等和三等。
数值型数据就是用数字来表示的数据，这也是我们平时接触最多的一种类型的数据。
按数据被收集的方法来看，可以分为观测数据和实验数据。观测数据就是通过观测、调查得出的数据，而实验数据则是在实验中收集到的数据。
按被描述现象与时间的关系，可以分为截面数据和时间序列数据，截面数据指在相同或相似时间点上收集的数据，如2019年我国城镇家庭人均收入的数据。时间序列数据是按照时间顺序收集而来，现象随时间变化的数据，如2015~2019年我国城镇家庭人均收入。
对不同类型的数据我们会进行不同的统计分析方法，因此做好数据类型的区分也是很重要的。
5、调查方法
有时候我们使用的数据源可能来自调查，那么如何从总体中抽取出有效的样本呢，就要看调查的方法了。可以分为概率抽样和非概率抽样。
概率抽样，就是我们常说的随机抽样，即按照随机的原则去抽取样本，确保每个个体都有机会被选中。
随机抽样中还可以细分几种：
简单随机抽样：最基本的抽样方法，抽选的概率是相同的。优点是简单，缺点是大规模的调查中实施会有困难。
分层抽样：将抽样单位按照某种特征或规则划分为不同的层，从不同层中独立随机地抽样。优点是样本结构与总体结构相近。
分层抽样 整群抽样：将总体中若干单位合并为组，称之为群，抽取群。对总体的估计精度较差。
系统抽样：将总体中的所有单位按一定顺序排列，在规定范围内随机抽取一个单位作为初始单位，接着按事先定好的规则确定其他样本单位。
如为了调查某学校学生的身高情况，从男生中抽取60人，女生抽取40人，这属于分层抽样；从4个年纪中抽样，这属于整群抽样；将全校学生名字按拼音顺序排列，每隔50人抽取一名，这属于系统抽样。
非概率抽样，顾名思义，就是抽样时不随机，同样也可以细分为以下几种：
方便抽样：调查过程中调查员依据方便的原则抽样的方法。
判断抽样：研究人员有目的地选择一些单位作为样本。
自愿样本：被调查者自愿参加。这种样本是有偏的，但可以反映出某类群体的看法。
滚雪球抽样：首先选择一组调查单位，再请他们提供调查对象继续调查，滚雪球下去，适用特定群体
配额抽样：先将总体中的所有单位按一定类别分成若干类，再在每类中采用方便抽样、判断抽样的方法抽取样本，同分层抽样，但抽样方法不是随机的。
具体采用哪种抽样方法，要看所研究问题的目的、特征等综合考量。需要说明的是，非概率抽样因为不是随机原则，因此无法用样本的特征去估计总体，非概率抽样适合探索性的研究
6、数据误差
通过调查收集到的数据与研究结果的真实数据之间的差异，通常可以分为抽样误差和非抽样误差。
抽样误差：由抽样的随机性引起的样本与总体结果的差异，抽样误差的大小同多种因素有关，最主要的是样本量，样本量越大，抽样误差就越小。什么是抽样误差，比如随机抽样的产品的合格率为60%，再抽样的结果是61%，误差在59%~61%之间波动，这就是抽样误差。
非抽样误差：除抽样误差外其他原因引起的样本与总体结果的差异。在非概率抽样时可能会产生非抽样误差，常见的如抽样框误差、回答误差、无回答误差、测量误差等。
写在后面
非常抱歉断更了一段时间，在想一些事情，总想着一定要想明白了再行动，结果就是又没想明白，也没有去行动，所以还是边行动边想吧，年纪轻轻的怎么可能就一下子顿悟了呢，那我就可以立地成佛了。
接下来可乐又回来了！
猜你喜欢:
@ 作者：可乐
@ 公众号/知乎专栏/头条/简书：可乐的数据分析之路
@加个人微信：data_cola，备注：进群，拉你入 可乐的数据分析群 和各行各业的小伙伴交流探讨数据分析相关内容