【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
SelectDB技术团队14 小时前
Apache Doris 2025 Roadmap:构建 GenAI 时代实时高效统一的数据底座
大数据·数据库·数据仓库·人工智能·ai·数据分析·湖仓一体
Loving_enjoy15 小时前
基于Hadoop的明星社交媒体影响力数据挖掘平台:设计与实现
大数据·hadoop·数据挖掘
千鼎数字孪生-可视化17 小时前
3D模型给可视化大屏带来了哪些创新,都涉及到哪些技术栈。
ui·3d·信息可视化·数据分析
Python之栈18 小时前
PandasAI:当数据分析遇上自然语言处理
人工智能·python·数据分析·pandas
Start_Present1 天前
Pytorch 第十二回:循环神经网络——LSTM模型
pytorch·rnn·神经网络·数据分析·lstm
DREAM.ZL1 天前
基于python的电影数据分析及可视化系统
开发语言·python·数据分析
代码骑士1 天前
聚类(Clustering)基础知识2
机器学习·数据挖掘·聚类
大美B端工场-B端系统美颜师1 天前
静态图表 VS 动态可视化,哪种更适合数据故事讲述?
信息可视化·数据挖掘·数据分析
青云交1 天前
Java 大视界 -- Java 大数据在智能电网电力市场交易数据分析与策略制定中的关键作用(162)
java·大数据·数据分析·交易策略·智能电网·java 大数据·电力市场交易
葡萄成熟时_1 天前
【第十三届“泰迪杯”数据挖掘挑战赛】【2025泰迪杯】【代码篇】A题解题全流程(持续更新)
人工智能·数据挖掘