【数据分析】统计量

  1. 均值、众数描述数据的集中趋势度量,四分位差、极差描述数据的离散程度。

  2. 标准差、四分位差、异众比率度量离散程度,协方差是度量相关性。

期望值分别为EX与EY的两个实随机变量X与Y之间的协方差Cov(X,Y)定义为:

从直观上来看,协方差表示的是两个变量总体误差的期望。

如果X 与Y 是统计独立的,那么二者之间的协方差就是0,因为两个独立的随机变量满足E *XY* =E *X* E *Y*。

但是,反过来并不成立。即如果X 与Y的协方差为0,二者并不一定是统计独立的。

  1. 卡方检验可以分析++分类变量之间的相关性++ 。http://t.csdn.cn/SZSy6

  2. t检验:t检验,亦称student t检验(Student's t test),主要用于样本含量较小(例如n < 30),总体标准差σ未知的正态分布。 ++只能分析数值型变量。++

  1. 皮尔逊相关系数是一种衡量变量之间线性关系强弱的统计量。它的取值范围在-1到1之间,可以反映出两个变量之间的相关程度。如果相关系数接近1,表明两个变量之间存在完全正向的线性关系;如果接近-1,则说明存在完全负向的线性关系;如果接近0,则表示两个变量之间没有线性关系。

皮尔逊相关系数的计算方法如下:

r = Cov(X, Y) / (σX * σY)

其中,Cov(X, Y)表示变量X和Y的协方差,σX和σY分别表示变量X和Y的标准差。通过计算协方差和标准差,我们可以得到两个变量之间的相关系数。

++只能分析数值型变量。++

例子:百度安全验证

  1. 列联相关:列联相关又称列联相关系数(contingencycorrelation)又称均方相依系数或接触系数,是指当两列数据中至少有一列是++多分类资料++时,描述变量之间的相互关系的品质相关系数。

可以分析++分类变量之间的相关性++。

  1. SQL中的关键字:float浮点型、int 整数型、char 文本型、decimal 定点型

  2. HAVING 子句中的筛选字段必须是可以出现在分组结果中的字段

  3. 多维数据库------雪花模式

雪花模式是集中代表事实表的连接到多个层面 ,是类似星型模式 。

星型模型:星型模式是多维的数据关系,它由事实表(Fact Table)和维表(Dimension Table)组成。每个维表中都会有一个维作为主键,所有这些维的主键结合成事实表的主键。事实表的非主键属性称为事实,它们一般都是数值或其他可以进行计算的数据。

交叉模型:

相关推荐
培培说证5 小时前
大专商务数据分析与应用可以报考哪些职业证书?
人工智能·数据挖掘·数据分析
Aloudata8 小时前
服饰零售数据治理如何统一款色码与库存口径,支撑门店售罄率和补货分析?
大数据·数据分析·零售
躺柒8 小时前
读数据分析思维通识课07数据思维图
大数据·数据挖掘·数据分析·大数据分析·数据思维图
屿华AI10 小时前
AUTOSAR 实战-诊断工具 | 基于 YAML 的诊断测试用例工程:轮询、断言与回归
数据挖掘·回归·测试用例
databook14 小时前
时间序列特征,哪些当时就能算出来
python·数据分析
wang_yb14 小时前
时间序列特征,哪些当时就能算出来
数据分析·databook
kaixin_啊啊1 天前
鱼类跨物种 DNA 序列预测:AQUA-FAANG 数据下载与操作指南
数据分析
GrowingIO技术社区1 天前
事件与属性怎么设计?一份埋点需求表的填写示例
数据分析
翰墨之道2 天前
黄仁勋回归传闻升温:英伟达领导层风波牵动AI产业
人工智能·数据挖掘·回归
benchmark_cc2 天前
个人开发者接入五档盘口:用 QuantDash 读取单只股票的验收清单与易错点
python·数据分析·pandas·量化交易·股票数据·quantdash