统计学基本知识介绍
统计学基础知识梳理
一、基础知识及应用
（七）显著水平与单样本假设检验
• 怎么去算55这个值呢？使用如下的公式：
• 上面的公式，其实不是拿来求55的，而是求50或者59对应的z值；
• 然后我们自己定义了一个想要的概率，比如90%，那我们知道一个对应的
z值是-1.65；
• 然后拿50或者59对应的z和-1.65比，就行了；
还健在，也不知道会活多少岁，我们顶多是把过去几年死了的土豪
们拉出来看看各自活了多大；
• 假如我们找过去三年死了的土豪，一共找了200个人，这200个人就
构成了一个样本，我们就可以试着通过研究这200个人的样本特征，
去推断整个土豪群体的平均寿命是否超过了100岁（其实我们只能知
道它是否肯定超过了100岁）
面的公式了：
一、基础知识及应用
（六）总体均值估计与置信水平
• 总体均值估计就是在只有个
别样本的情况下，想知道一
个总体均值位置的一种实用
方法；
• 其原理就是通过一个样本，
可以求得一个样本均值，然
后我们发现当样本数量很大
的候，样本均值会离总体
均值越来越近，因为总体均
值就是样本均值的均值~；
• 把这个样本均值分布转换成
多少。
• 想把一个正态分布转换成标准正态分布，只需要用下面的公式就可
以了：
• 现在有计算机，其实任何正态分布都可以直接求概率，无需转换为z
分布了.
一、基础知识及应用
（五点一）样本均值的概率分布
• 所谓样本均值，就是一个总体，比如p3班所有同学的年龄，我们可
以求出一个年龄的均值来；
• 然后任意找两个同学，可以求出一个均值来，这个均值一般都不等
• 所谓超几何分布，就是每次结果之间互相干扰的一种方法，比如你
统计基础必学知识点
统计基础必学知识点1. 数据的分类：数据可以分为定性数据和定量数据。
定性数据是描述性的，如性别、颜色等；定量数据是可量化的，如年龄、身高等。
2. 数据的度量尺度：数据的度量尺度分为四种类型，分别是名义尺度、顺序尺度、间隔尺度和比例尺度。
名义尺度是无序的分类数据，顺序尺度是具有次序关系的数据，间隔尺度是具有固定间隔的数据，比例尺度是具有固定比例关系的数据。
3. 频数与频率：频数是指某个数值出现的次数，频率是指某个数值出现的次数与总数的比值。
4. 数据的中心趋势度量：数据的中心趋势度量包括平均数、中位数和众数。
平均数是一组数据的总和除以数据个数，中位数是将数据按照大小排列后的中间值，众数是一组数据中出现次数最多的数值。
5. 数据的离散程度度量：数据的离散程度度量包括范围、方差和标准差。
范围是一组数据的最大值与最小值之差，方差是数据与其均值之差的平方和的平均值，标准差是方差的平方根。
6. 直方图和箱线图：直方图是将数据按照一定的区间划分，并统计每个区间内数据的频数或频率，在坐标系上绘制柱状图。
箱线图是通过四分位数和异常值来描绘一组数据的分布情况。
7. 相关系数：相关系数是用来描述两组数据之间的相关性强度和方向的指标。
常用的相关系数有皮尔逊相关系数和斯皮尔曼相关系数。
8. 概率与统计分布：概率是事件发生的可能性，统计分布是对数据的概率分布进行描述的函数。
常见的统计分布包括正态分布、泊松分布、二项分布等。
9. 抽样与统计推断：抽样是从总体中选取一部分样本进行研究，统计推断是通过样本数据对总体进行推断。
常用的统计推断方法包括点估计和区间估计。
10. 假设检验：假设检验是对统计推断的一种方法，通过构建假设、选择显著性水平和计算检验统计量，判断样本数据是否能够拒绝原假设。
常见的假设检验方法有单样本t检验、双样本t检验、方差分析等。
统计学基础知识要点
第一章：导论1、什么是统计学？统计方法可以分为哪两大类？统计学是收集、分析、表述和解释数据的科学。
统计方法可分为描述统计方法和推断统计方法。
2、统计数据可分为哪几种类型？不同类型的数据各有什么特点？按照所采用的计量尺度不同，分为分类数据、顺序数据和数值型数据；按照统计数据的收集方法，分为观测的数据和实验的数据；按照被描述的对象与时间的关系，分为截面数据和时间序列数据。
按计量尺度分时：分数数据中各类别之间是平等的并列关系，各类别之间的顺序是可以任意改变的；顺序数据的类别之间是可以比较顺序的；数值型数据其结果表现为具体的数值。
按收集方法分时：观测数据是在没有对事物进行人为控制的条件下等到的；实验数据的在实验中控制实验对象而收集到的数据。
按被描述的对象与时间关系分时：截面数据所描述的是现象在某一时刻的变化情况；时间序列数据所描述的是现象随时间而变化的情况。
3、举例说明总体、样本、参数、统计量、变量这几个概念。
总体是包含研究的全部个体的集合。
比如要检验一批灯泡的使用寿命，这一批灯泡构成的集合就是总体。
样本是从总体中抽取的一部分元素的集合。
比如从一批灯泡中随机抽取100个，这100个灯泡就构成了一个样本。
参数是用来描述总体特征的概括性数字度量。
比如要调查一个地区所有人口的平均年龄，“平均年龄”即为一个参数。
统计量是用来描述样本特征的概括性数字度量。
比如要抽样调查一个地区所有人口的平均年龄，样本中的“平均年龄”即为一个统计量。
变量是说明现象某种特征的概念。
比如商品的销售额是不确定的，这销售额就是变量。
第二章：数据的收集1、调查方案包括哪几个方面的内容？调查目的，是调查所要达到的具体目标。
调查对象和调查单位，是根据调查目的确定的调查研究的总体或调查范围。
调查项目和调查表，要解决的是调查的内容。
2、数据的间接来源（二手数据）主要是公开出版或公开报道的数据；数据的直接来源一是调查或观察，二是实验。
3、统计调查方式：抽样调查、普查、统计报表等。
统计学基础知识要点
统计学基础知识要点统计学是一门研究数据收集、分析和解释的学科，是许多学科和领域中必不可少的工具。
在本文中，将介绍统计学的基础知识要点，帮助读者理解统计学的基本概念和应用。
一、数据类型在统计学中，数据可以分为两种类型：定量数据和定性数据。
定量数据是以数值表示的，可进行数值计算和比较的数据，如身高、体重等；定性数据则是描述个体特征的非数值数据，如性别、颜色等。
了解数据类型对于选择合适的统计方法非常重要。
二、测量尺度测量尺度指的是衡量数据的方式，常见的测量尺度包括名义尺度、序数尺度、区间尺度和比率尺度。
名义尺度仅用于分类，如性别；序数尺度可以排序，但没有固定的数值差异，如教育程度；区间尺度具有固定的数值差异，但没有绝对零点，如温度；比率尺度具有固定的数值差异和绝对零点，如年龄。
三、描述统计学描述统计学是对数据进行整理、总结和描述的方法。
其中常见的统计量包括平均数、中位数、众数和标准差等。
平均数是一组数据的算术平均值，中位数是将一组数据按大小顺序排列后的中间值，众数是数据中出现频率最高的值，标准差衡量数据的离散程度。
四、概率与概率分布概率是用来描述随机事件发生可能性的数值，常用的表示方法是百分比或小数。
概率分布是描述随机变量可能取得各个值的概率的函数或表格。
常见的概率分布包括正态分布、均匀分布和泊松分布等。
五、参数估计与假设检验参数估计是根据样本数据来估计总体特征的方法，常见的参数估计方法包括点估计和区间估计。
假设检验是通过对样本数据进行统计推断来对总体假设进行验证的方法，常用的假设检验方法包括t检验和卡方检验等。
六、相关分析与回归分析相关分析用于研究两个变量之间的关系，可以通过计算相关系数来描述变量之间的相关程度。
回归分析是一种用于预测和解释因果关系的统计方法，可以建立变量之间的数学模型。
七、抽样与调查抽样是从总体中选择出样本的过程，通过对样本进行研究得出对总体的结论。
调查是一种常用的数据收集方法，可以通过问卷调查、访谈等方式获取数据。
统计学基础知识
1.1 统计学的定义统计学是一门涉及数理统计学、计算机统计学、统计计量学和统计应用研究等多个学科的综合学科。
它既是一门基础学科，又是一门应用学科。
统计学研究的基本目标是分析和描述实际情况，并从中推导出概率规律，以及对现实问题进行科学决策。
1.2 统计学研究的基本方法统计学研究的基本方法包括观察法、实验法、回归分析法、卡方检验等。
二、观察法观察法是统计学研究的常用方法，它的基本步骤是:收集数据、分析数据、绘制图形、推导概率结论。
观察法的终目标是掌握现实社会和自然果的发展规律，以及社会和自然果中某一现象的发生概率三、实验法实验法是统计学研究的重要方法，它的基本步骤是:确定实验目的、设定实验方案、选择实验样本、进行实验、数据分析、结论总结。
实验法的终目标是堂握现实社会和自然界中某一现象的发生概率，以及解决实际问题的可能性。
四、回归分析法回归分析是一种统计学研究方法，它的基本步骤是:观察数据、定义回归模型、拟合回归模型、识别回归模型、检验回归模型、推断回归模型。
回归分析法的终目标是探索影响实际现象发生的原因，以及实际现象的发展趋势。
五、卡方检验卡方检验是统计学研究的重要方法，它的基本步骤是:收集数据、构建假设模型、计算卡方值、比较卡方值、得出结论。
卡方检验的终目标是检验某种假设模型是否满足统计学的要求，以便可以用来推断实际现象。
1、统计学统计学是一门阐明如何去采集、整理、显示、描述、分析数据和由数据得出结论的一系列概念、原理、原则、方法和技术的科学，是一门独立的、实用性很强的通用方法论科学。
2、指标和标志标志是说明总体单位属性或特征的名称。
指标是说明总体综合数量特征和数量关系的数字资料3、总体、样本和单位统计总体是统计所要研究的对象的全体，它是由客观存在的、具有某种共同性质的许多个体所构成的整体。
简称总体。
构成总体的个体则称为总体单位，简称单位。
样本是从总体中抽取的一部分单位4、统计调查统计调查是根据统计研究的目的和要求、采用科学的方法，有组织有计划的搜集统计资料的工作过它是取得统计数据的重要手段程。
统计学理论基础知识(史上最全最完整)
统计学理论基础知识(史上最全最完整)统计学是一门关于收集、分析、解释和展示数据的学科。
它在许多领域中都发挥着重要作用，包括自然科学、社会科学、商业和医学等。
基本概念- 数据：统计学的研究对象，可以是数值、文字或图像等。
- 总体与样本：总体是我们想要研究的所有个体或事物，而样本是从总体中选择的一部分。
- 参数与统计量：参数是总体的数值特征，统计量是样本的数值特征。
- 频数与频率：频数是某个数值出现的次数，频率是频数与样本大小之比。
描述统计学- 中心趋势：用于衡量数据集中的位置，常用的统计量有平均数、中位数和众数。
- 变异程度：用于衡量数据集中的离散程度，常用的统计量有标准差、方差和四分位数。
- 数据分布：用于描述数据集中每个值的频率分布情况，常用的图表有直方图和箱线图。
推断统计学- 参数估计：通过样本统计量对总体参数进行估计，包括点估计和区间估计。
- 假设检验：根据样本数据对总体参数的假设进行推断性统计分析，包括设置原假设和备择假设，并进行显著性检验。
相关分析- 相关系数：用于衡量两个变量之间的关联程度，常用的相关系数有Pearson相关系数和Spearman等级相关系数。
- 回归分析：用于建立变量之间的数学关系，常用的回归分析有线性回归和多元回归。
统计学软件- 常用统计软件：如SPSS、R、Excel等。
- 数据可视化工具：如Tableau、Power BI等。
这份文档提供了统计学的基础知识概述，包括基本概念、描述统计学、推断统计学、相关分析和统计学软件。
它将帮助读者理解统计学的核心概念和方法，为进一步探索统计学打下坚实的基础。
统计学基础知识
统计学基础知识统计学是一门研究收集、整理、分析和解释数据的学科，它在各个领域都有广泛的应用。
无论是在科学研究、经济管理、医学领域还是社会科学等领域，统计学都扮演着重要的角色。
本文将介绍统计学的基础知识，包括数据的类型、统计描述、概率与概率分布以及假设检验等内容。
一、数据的类型在统计学中，数据可以分为两种类型：定量数据和定性数据。
定量数据是用数值表示的，可以进行数学运算，如身高、体重等；而定性数据则是描述性的，通常用文字或符号表示，如性别、职业等。
了解数据的类型对于选择合适的统计方法非常重要。
二、统计描述统计描述是对数据进行概括和总结的过程。
其中最常见的统计描述指标包括均值、中位数、众数、标准差和方差等。
其中，均值是指所有观测值的平均值，中位数是将数据按大小排列后位于中间的数值，众数是数据中出现次数最多的数值。
标准差和方差是用来衡量数据的离散程度。
通过统计描述指标，我们可以更好地了解数据的分布和趋势。
三、概率与概率分布概率是统计学中一个重要的概念，它用来描述一个事件发生的可能性。
概率值介于0和1之间，0表示不可能事件，1表示必然事件。
概率分布则是对所有可能事件及其对应概率的描述。
常用的概率分布包括正态分布、二项分布和泊松分布等。
正态分布是一种最为常见的连续性概率分布，它的特点是均值和标准差完全确定了分布的形状。
二项分布是一种离散性概率分布，用于描述在给定次数的独立重复试验中成功次数的概率。
泊松分布则是一种用于描述单位时间或单位空间内事件发生次数的概率分布。
了解概率与概率分布对于统计学分析和预测具有重要意义。
四、假设检验假设检验是统计学中常用的方法之一，用于通过对样本数据进行分析来对总体进行推断。
假设检验通常包括两类假设：零假设和备择假设。
零假设是一种关于总体参数的陈述，备择假设则是对零假设的否定。
通过对样本数据进行统计分析，我们可以进行假设检验来判断零假设是否成立。
常见的假设检验方法包括t检验、卡方检验和方差分析等。
统计学知识点
统计学知识点统计学是一门研究收集、整理、分析和解释数据的学科。
它在各个领域都扮演着重要的角色，无论是科学研究、商业决策还是政府政策制定，都需要用到统计学的知识。
本文将介绍一些基础的统计学知识点，包括数据类型、概率、统计量和假设检验等。
一、数据类型在统计学中，数据可以分为两种类型：定性数据和定量数据。
1. 定性数据定性数据是用来描述事物特征的数据，通常是以文字形式呈现的。
例如，人们对一部电影的评价可以用“好看”、“一般”和“不喜欢”等词语来描述。
2. 定量数据定量数据是用数量来表示的数据，可以进行数值计算和比较。
例如，一个班级的学生身高可以用具体的厘米数来表示。
二、概率概率是研究随机事件发生可能性的数学分支。
在统计学中，概率与实际观察到的结果之间存在着关系。
常见的概率分布包括正态分布、二项分布和泊松分布等。
1. 正态分布正态分布，也称为高斯分布，是统计学中最重要的概率分布之一。
它的特点是钟形曲线，均值、标准差决定了曲线的位置和形状。
正态分布在自然界中很常见，如身高和体重等。
2. 二项分布二项分布用于描述重复进行独立实验的结果。
每次实验只有两种可能的结果，成功或失败。
例如，抛硬币的结果就符合二项分布。
3. 泊松分布泊松分布用于描述在一个给定的时间跨度内，某事件发生的次数。
例如，某个地区一天内的交通事故数量就可以用泊松分布来描述。
三、统计量统计量是用来从样本数据推断总体特征的数值指标。
常见的统计量包括均值、方差和相关系数等。
1. 均值均值是一组数据的平均值，用于表示数据的集中趋势。
它可以通过将所有数据相加然后除以数据的个数来计算得到。
2. 方差方差是数据离均值的平方差的平均值，用于表示数据的离散程度。
方差越大，数据点越分散。
3. 相关系数相关系数用于衡量两个变量之间的线性相关程度。
它的取值范围在-1到1之间，绝对值越接近1表示两个变量的相关性越强。
四、假设检验假设检验是统计学中用来对总体参数进行推断的方法。
统计学基础知识
统计学基础知识统计学是一门研究收集、分析、解释和展示数据的学科。
它提供了一种方法，能够更好地理解和应用各种数据。
统计学在各个领域都有重要的应用，不论是在科学研究、商业决策还是社会科学中，都离不开统计学的支持。
本文将介绍统计学的基础知识，包括统计学的定义、常见的统计术语以及常用的统计方法。
一、统计学的定义统计学是一门研究如何收集、整理、分析和解释数据以及从数据中得出结论的学科。
它包括描述性统计和推论统计两个方面。
描述性统计用来总结和描述数据的特征，如平均数、中位数、频率分布等；推论统计则用来根据样本数据推断总体的特征，如置信区间、假设检验等。
二、常见的统计术语1. 总体与样本：总体是指研究对象的全体，样本是从总体中抽取的一部分。
通过对样本进行统计分析，可以得到对总体的推断。
2. 变量：研究对象的属性或特征，可以是数量型（如身高、年龄）或质量型（如性别、颜色）。
3. 数据类型：数据可以分为定性和定量两种类型。
定性数据用来描述特征或分类，如性别、颜色；定量数据用来表示数量或程度，如身高、温度。
4. 频数和频率：频数是指数据中某个取值出现的次数，频率是指某个取值出现的频率，即频数除以总数。
5. 中心趋势：用来描述数据的集中程度，包括平均数、中位数和众数。
平均数是所有观测值的总和除以观测值的个数，中位数是将观测值按大小排序后的中间值，众数是出现次数最多的值。
6. 离散程度：用来描述数据的离散程度，包括极差、方差和标准差。
极差是最大观测值与最小观测值之差，方差是观测值与平均数之差的平方和的平均数，标准差是方差的平方根。
三、常用的统计方法1. 描述性统计：描述性统计用来总结和描述数据的特征。
常见的描述性统计方法包括计数、百分比、平均数、中位数、众数、极差、方差和标准差。
2. 概率分布：概率分布描述了随机变量的取值及其对应的概率。
常见的概率分布包括正态分布、泊松分布和二项分布等。
3. 推论统计：推论统计用来从样本数据中推断总体的特征，并进行统计推断。
统计学基础知识点总结
统计学基础知识点总结1.数据与变量数据是指收集到的一组数字或符号，而变量是指可以变化的数值。
在统计学中，常用的变量类型有两种：定量变量和定性变量。
定量变量是用数字表示的，如身高、体重等；而定性变量是用非数字表示的，如性别、血型等。
2.数据的描述在统计学中，常用的描述性统计方法有中心趋势度量和离散程度度量。
中心趋势度量包括均值、中位数和众数，用来衡量数据的集中程度；离散程度度量包括极差、方差和标准差，用来衡量数据的分散程度。
3.概率与概率分布概率是指在一定条件下某事件发生的可能性，它是统计学中的重要概念。
概率分布是用来描述随机变量可能取值的分布情况的概率分布函数，常见的概率分布有正态分布、均匀分布、二项分布和泊松分布等。
4.统计推断统计推断是指根据样本数据对总体特征进行推断的方法，它包括点估计和区间估计两种方法。
点估计是通过样本数据估计总体参数的数值，而区间估计是通过样本数据估计总体参数的范围。
5.假设检验假设检验是统计学中用来检验总体参数假设的方法，它包括参数假设检验和非参数假设检验两种。
参数假设检验是对总体参数的假设进行检验，常用的方法有t检验、F检验等；非参数假设检验是对总体分布形式的假设进行检验，常用的方法有卡方检验、秩和检验等。
6.相关性与回归分析相关性是指两个变量之间的关系程度，常用的相关性指标有Pearson相关系数和Spearman秩相关系数；回归分析是用来分析自变量与因变量之间的关系的方法，常用的回归分析方法有一元线性回归分析和多元线性回归分析。
7.贝叶斯统计学贝叶斯统计学是一种基于贝叶斯定理的统计学方法，它与频率统计学有所不同。
在贝叶斯统计学中，统计推断是基于先验概率和似然函数进行的，而不是基于频率分布进行的。
8.实验设计实验设计是指在统计实验中如何设计实验方案，以达到准确、可靠、有效地进行统计分析的目的。
常用的实验设计方法有完全随机设计、区组设计和受试者设计等。
以上就是统计学基础知识点的总结，通过学习这些知识点，可以帮助人们更好地理解和应用统计学在各种领域中的实际问题。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
——统计学的基本介绍与应用
客户关系管理中心 沈冬冬
2015年3月
目录
什么是统计学 数据分析（挖掘）主要方法及其一些应用 如何养成统计学思维和品质 常用的统计学书籍与软件
A
2
Part One:什么是统计学？？？
人类发现了统计，统计改变了世界。——《统计学的故事》第一章标题 •（1）统计学的定义 •（2）统计学起源 •（3）统计学与其他学科的区别 •（4）统计模型 •（5）总结：统计学是一门什么样的学科
虑是思路，其次才是筛选与思路相匹配的分析挖掘技术；
（2）二者的理论来源很多是同根同源。数据挖掘中的技术有相当比例是依靠统计分析中的多变量分析来支撑； （3）更有观点认为，数据挖掘是统计分析技术的延伸和发展，用于处理更大规模的数据（几十万行、几百万行的数据）
不同点：
（1）“统计分析”得出的结论是人的智能活动结果，而“数据挖掘”得出的结论是机器从学习集（或训练集、样本集） 发现的知识规则；
16世纪，概率论的体系渐渐发展起来，而这要从一种和掷骰子有关的赌博活动说起。虽然这个起源并不是很光
彩，而且有待考证，但是在欧洲兴起并兴盛的骰子赌博活动，引起了一批好奇的学者的关注。掷骰子得到的点数直接决定 赌局的输赢，于是开始研究各种点数出现的机遇的大小，胜率的大小，最早开始数量研究并且给概率下定义的学者已经无 从考证了，可是有一些著作的问世和问题的讨论对概率统计的发展产生了重大的影响，比如卡丹诺的《机遇博弈》、惠更 斯的《机遇的规律》 、伯努利的《推测数》 、著名的分赌本问题、帕斯卡和费马之间的通信，在这期间，古典概型得到
（2）相对于重视理论和方法的统计分析而言，数据挖掘更强调应用，毕竟数据挖掘的目的是方便企业用户的使用；
（3）“统计分析”不能建立数学模型，需要人工建模，而“数据挖掘”直接完成了数学建模。如传统的控制论建模的本
质就是描述输入变量与输出变量之间的函数关系，“数据挖掘”可以通过机器学习自动建立输入与输出的函数关系，
了极大的发展，概率、期望、二项分布、中心极限定理等概念被相继提出。
结论：赌博也是把双刃剑！！！
A
5
•二、国情学： 统计学的英文是“statistic”，其实它是源于意大利文的“stato”，意思是“国家”、“情况”，也就是后来英语里
的state（国家），在十七、十八世纪，统计学很多时候都是以国情学的姿态出现的。而且很长一段时间，都是在研究 人口统计，尤其是生男生女的比例问题。 概率论和国情学的融合，统计学渐渐发展也是从这开始。在这期间时， 一些重要的理论被发现，如二项分布和大数定律。
根据KDD得出的“规则”，给定一组输入参数，就可以得出一组输出量。
A
10
（4）统计模型
•模型的作用：预测 or 理解产生数据的机制。
•如何寻找模型： （1）对数据进行初步探索性分析，利用图形和各种统计量（比较简单的如期望、方差等）作基础分析，了解数据的分布 ，必要的话对部分数据（缺失值、异常值等）进行清洗或者转换处理； （2）根据具体业务需求选定因变量（目标变量、响应概率）和自变量（解释变量），分析变量与变量之间的关联性、相 关性、线性性、共线性等各种关系； （3）选定变量后就要寻找合适的模型和算法（已有的模型或自己建立新的模型）； （4）对多个模型进行比较分析，选择最合适的模型，并对模型不断优化，解释其中的各个变量。 （5）对模型进行检验，是否具有稳健性，对业务是否真的有帮助。
综上：数据挖掘则是知识发现的核心部分，指的是从数据集合中自动抽取隐藏在数据中的那些有用信息
的过程，这些信息的表现形式为：规则、概念、规律计分析与数据挖掘的异同
相同点： （1）都是对数据做分析与发现。“不管是白猫还是黑猫，抓住老鼠才是好猫”。在实战中，分析问题解决问题的首要考
结论：统计学起源于国家的实际应用。
A
6
一个关于生男生女的问题：
• 从生物学角度来说，XX染色体与XY染色体结合是随机的，故孕妇生男生女的概率均是1/2。已知一对夫妇有两个孩子 ，且其中一个是男孩，问另外一个是女孩的概率是多少？？？
•A: 1/3 •B: 1/2 •C: 2/3 •D: 3/4
你知道答案吗？？？
用统计来认识事物的步骤是：研究设计—>抽样调查—>统计推断—>结论。这里，研究设计就是制定调查研究和实验
研究的计划，抽样调查是搜集资料的过程，统计推断是分析资料的过程。显然统计的主要功能是推断，而推断的方法
是一种不完全归纳法，因为是用部分资料来推断总体。
A
4
（2）统计学起源
•两个源头： 概率论 VS 国情学 一、概率论：
A
3
（1）统计学的定义
•定义：
统计学是一门研究随机现象，以推断为特征的方法论科学，“由部分推及全体”的思想贯穿于统计学的始
终。具体地说，它是研究如何搜集、整理、分析反映事物总体信息的数字资料，并以此为依据，对总体特征进行推断的原
理和方法。此外，统计学也是于收集、整理、分析和解释统计数据的科学，是一门认识方法论性质的科学，其目的是探 索数据内在的数量规律性，以达到对客观事物的科学认识。
红球还是白球，然后需要猜测这个黑箱子的内部结构，例如红球和白球的比例是多少？（参数估计）能不能认为红 球40%，白球60%？（假设检验）
A
8
二、统计分析与数据挖掘的异同：（当前比较热门的话题）
何为数据挖掘（Data Mining）？ （1）是个什么样的学科：是在多个学科的基础上发展起来的。包括数据库、人工智能、机器学习、统计学、数据可视化 等一系列学科交叉结合。 （2）为什么会发展起来：随着数据库技术的发展，数据的积累快速膨胀，导致简单的查询和统计已经无法满足企业的商 业需求（尤其是在互联网公司），急需革命性的技术去挖掘数据背后的信息。 （3）如何发展起来：随着计算机领域人工智能的巨大进步，进入机器学习的阶段，故人们将数据库和机器学习相结合， 用数据库管理系统存储数据，用计算机分析数据，产生了一门新的学科：数据库中的知识发现(Knowledge Discovery in Databases,KDD)。
A
7
（3）统计学与其他学科的异同
一、统计学与概率论的异同： ➢ 不是废话的废话：概率论是统计学的基础，统计学是概率论的发展。
➢ 区别：概率论就好比是给你一个模型，你可以知道这个模型会产生什么样的数据；而统计则是给你一些数据，你来判 断是由什么样的模型产生的。
For example，概率论研究的是一个透明箱子，你知道这个箱子的构造（里面有几个红球、几个白球，也就是所谓的 分布函数），然后计算下一个摸出来的球是红球的概率。而统计学面对的是一个黑箱子，你只看得到每次摸出来的是