【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E[X]与E[Y]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XY 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XY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
薄荷很无奈3 小时前
CuML + Cudf (RAPIDS) 加速python数据分析脚本
python·机器学习·数据分析·gpu算力
qq_436962184 小时前
AI数据分析的利器:解锁BI工具的无限潜力
人工智能·数据挖掘·数据分析·ai数据分析
lilye665 小时前
精益数据分析(24/126):聚焦第一关键指标,驱动创业成功
数据挖掘·数据分析
lilye6614 小时前
精益数据分析(20/126):解析经典数据分析框架,助力创业增长
大数据·人工智能·数据分析
橘猫云计算机设计15 小时前
springboot基于hadoop的酷狗音乐爬虫大数据分析可视化系统(源码+lw+部署文档+讲解),源码可白嫖!
数据库·hadoop·spring boot·爬虫·python·数据分析·毕业设计
云天徽上18 小时前
【数据可视化-28】2017-2025 年每月产品零售价数据可视化分析
机器学习·信息可视化·数据挖掘·数据分析·零售
用户1997010801820 小时前
深入解析淘宝商品详情 API 接口:功能、使用与实践指南
大数据·爬虫·数据挖掘
databook20 小时前
『Plotly实战指南』--样式定制高级篇
python·数据分析·数据可视化
云天徽上20 小时前
【数据可视化-27】全球网络安全威胁数据可视化分析(2015-2024)
人工智能·安全·web安全·机器学习·信息可视化·数据分析
dundunmm1 天前
【每天一个知识点】如何解决大模型幻觉(hallucination)问题?
人工智能·数据挖掘·大模型