《基础统计》课件

基础统计统计学是研究数据的科学，它可以帮助我们理解和分析数据，并从中得出有意义的结论基础统计是学习统计学的基础，它涵盖了描述性统计、概率论、假设检验等重要内容WD课程简介基础统计学实用技能数据可视化本课程涵盖统计学的基础知识，包括数据收学习本课程可以掌握分析数据的技能，并将通过学习图表制作和数据可视化，你可以更集、分析和解释其应用于实际问题中有效地呈现和理解数据统计学的定义数据收集统计学处理数据，以便在数据中发现模式和规律数据分析统计学使用数学方法和模型来分析数据，得出结论并进行预测决策制定统计学为各种领域提供数据支撑，帮助人们做出明智的决策统计学的基本概念总体和样本变量总体是指我们感兴趣的所有数据变量是指可以变化的特征或属或对象样本是总体的子集，用性，例如年龄、身高、体重等于推断总体的特征数据类型统计方法数据可以分为定量数据和定性数统计方法是收集、分析和解释数据，定量数据可以进一步分为离据的工具，包括描述统计和推断散数据和连续数据统计统计学的数据类型定量数据定性数据

11.

22.数值型数据，可进行算术运非数值型数据，不能进行算术算，例如身高、体重、年龄运算，例如性别、职业、颜色等等离散数据连续数据

33.

44.数据值只能取有限个值，例如数据值可以在一个范围内取任考试成绩、商品数量等何值，例如身高、体重、温度等集中趋势的度量集中趋势是描述数据集中程度的统计指标，它反映了数据分布的中心位置常见的集中趋势度量指标包括平均数、中位数和众数离散型随机变量定义例子离散型随机变量是其值只能取有限个值或离散型随机变量在日常生活中非常常见可数个值的随机变量每个值对应一个特例如，一个家庭的孩子数量，一个商店在定的概率例如，抛硬币的次数，掷骰子一天中接待的顾客数量，都是离散型随机的结果都是离散型随机变量变量连续型随机变量特点例子取值范围是连续的身高、体重、血压可以取无穷多个值温度、气压、时间正态分布正态分布是统计学中最常见的分布之一它也被称为高斯分布它描述了许多自然现象和社会现象的分布规律，如身高、体重、智商等正态分布曲线呈钟形，对称于均值它有两个参数均值和标准差，它们决定了曲线的形状和位置抽样和总体总体1总体是所研究的所有个体或对象的集合，也是我们感兴趣的目标群体样本2样本是从总体中随机选取的一部分个体或对象，是用来推断总体特征的代表性子集抽样3抽样是从总体中选取样本的过程，其目的是通过样本的信息来推断总体的特征点估计点估计是使用样本数据来估计总体参数的值点估计的目的是用一个单一数值来代表总体参数点估计方法描述样本均值估计总体均值样本方差估计总体方差样本比例估计总体比例区间估计区间估计是基于样本数据对总体参数进行估计的一种方法，它提供了一个范围，而不是一个确切的值这个范围被称为置信区间，它包含了总体参数的真实值置信区间的大小取决于样本量、置信水平和样本数据的可变性假设检验基本原理零假设备择假设值P基于样本数据推断总体特征关于总体参数的假设，通常为与零假设相对立的假设，通常在零假设成立的情况下，观察否定性陈述为肯定性陈述到样本数据的概率单样本检验建立原假设和备择假设1确定要检验的总体参数，例如均值、方差或比例选择检验统计量2根据样本数据类型和假设检验的目标，选择合适的检验统计量确定显著性水平3设定一个显著性水平α，通常为

0.05或

0.01计算检验统计量4使用样本数据计算检验统计量的值计算值p5根据检验统计量的值和假设检验的目标，计算p值根据p值和显著性水平α，判断是否拒绝原假设双样本检验假设设定设定关于两个总体参数的假设，例如，两个总体均值是否相等检验统计量计算检验统计量，用于衡量样本数据与原假设的偏离程度值计算P根据检验统计量和样本数据，计算得到P值，表示在原假设为真的情况下，观察到样本数据的概率结论判断比较P值与显著性水平，如果P值小于显著性水平，则拒绝原假设，否则接受原假设方差分析方差分析是一种统计方法，用于比较两个或多个样本的均值检验统计量1计算F统计量假设检验2检验组间差异是否显著数据分析3将数据分成多个组问题定义4比较两个或多个组的均值相关分析变量间关系相关系数相关分析研究两个或多个变量间相关系数用于衡量变量间的线性关系，例如身高和体重，年龄和关系强度，取值范围为-1到1，正血压，学习时间和考试成绩值表示正相关，负值表示负相关，0表示没有线性关系相关类型应用场景相关类型主要分为两类单变量相关分析在商业、金融、医疗等相关分析和多变量相关分析，分领域有着广泛应用，例如分析商别用于分析两个变量和多个变量品价格与销量之间的关系，分析之间的关系股票价格与宏观经济指标之间的关系，分析疾病发生率与环境因素之间的关系线性回归模型构建建立线性回归模型，预测因变量和自变量之间的关系模型拟合使用最小二乘法拟合最佳的回归直线参数估计估计回归模型的斜率和截距参数，并进行显著性检验预测应用利用拟合的回归模型预测新的因变量值回归模型诊断残差分析影响分析自相关分析共线性分析残差分析可以评估模型拟合质影响分析可以评估每个观测值对于时间序列数据，自相关分共线性分析可以检测自变量之量，检查是否满足假设，并识对模型参数估计的影响，识别析可以检测误差项是否存在自间是否存在高度相关性，影响别异常值或非线性模式具有较大影响的观测值相关性，影响模型的预测效模型的稳定性和解释性果时间序列分析时间序列分析，研究随时间变化的数据，揭示趋势和周期性变化预测1基于历史数据，预测未来发展趋势模型建立2选择合适的模型，拟合时间序列数据数据预处理3清洗数据，处理缺失值和异常值指数平滑法简单指数平滑1适用于平稳时间序列，预测值取决于上一期的实际值和预测值双指数平滑2适用于有趋势的时间序列，考虑趋势的影响，预测值更平滑三重指数平滑3适用于有季节性时间序列，考虑季节性因素的影响，预测值更加准确基本预测模型简单移动平均法加权移动平均法

11.

22.使用过去一段时间的数据平均根据不同时期数据的权重，对值来预测未来值，适用于趋势过去一段时间数据进行加权平平稳的时序数据均，以提高预测精度指数平滑法自回归模型

33.

44.AR将过去数据按照指数衰减的权根据时间序列自身过去的值来重进行加权平均，适用于趋势预测未来值，适用于存在自相变化缓慢的时序数据关性的数据预测模型误差分析误差类型误差度量包括偏差和方差偏差是模型预常见误差度量指标包括均方误差测值与真实值之间的平均差异（MSE）、均方根误差（RMSE）方差是模型对不同训练集的预测和平均绝对误差（MAE）结果之间的差异误差分析方法残差分析、交叉验证和自助法可以帮助分析模型的误差来源和模型的泛化能力统计软件应用数据处理分析与建模

11.

22.统计软件可以帮助我们高效地提供各种统计分析方法和模处理和整理数据型，帮助我们深入理解数据结果可视化协作与分享

33.

44.通过图表、图形等方式直观地方便我们与他人分享分析结果展示分析结果和数据案例分析1案例分析是课程学习的重要环节，通过案例分析，可以将理论知识与实际应用相结合，加深对统计学方法的理解和掌握案例分析可以帮助学生了解统计学在各个领域的应用，培养学生的统计思维和解决问题的能力案例分析通常采用实际数据，学生需要利用统计学方法对数据进行分析，得出结论并提出建议案例分析2案例分析2可以使用统计方法分析市场数据，例如销售额、顾客数量、市场份额等等通过分析这些数据，可以识别出市场趋势、竞争对手以及潜在的增长机会案例分析3案例分析是将统计学知识应用于实际问题的过程通过分析案例，我们可以深入理解统计方法的应用场景和局限性例如，我们可以分析某公司产品销量数据的变化趋势，预测未来销量，为公司制定营销策略提供参考案例分析不仅能帮助我们掌握统计学知识，还能培养我们的问题解决能力实践技能培训分组讨论案例分析软件操作课堂分组讨论，加强学生之间相互学习与交通过案例分析，帮助学生将理论知识应用于掌握统计软件的操作方法，提高数据分析效流，促进团队合作能力实际问题解决，提升实践能力率，提升数据分析技能课程总结与反馈课程回顾回顾课程要点，巩固知识体系问题解答提出学习中遇到的疑问，及时解决困惑意见反馈分享学习感受，为课程改进提供建议课程学习建议课后练习积极参与完成课本上的习题，并尝试使用统计软件进行数据分析积极参与课堂讨论，向老师和同学请教问题参加线上或线下统计学相关的比赛，提升实战能力阅读相关书籍和文献，拓展知识面。