《你一定爱读的极简统计学》——统计学离我们并不远

做指标管理、数据分析已经2年了，工作已经慢慢有了套路，但对于数据的应用基本上还处于各单位分析，而我来汇总的初级阶段。对于数据的有效性核查基本也只能靠直觉，靠熟悉程度，经验的经历是一定的，但成长的速度可真的是看不见的慢。为了让自己有提升专业能力，提高对数据的分析应用，本年的自我提升特别加入了专业的学习，而且特别制定了第一阶段90天数据分析能力提升入门计划，简单来说就要增加输入，同时以输出倒逼输入。

90天数据分析能力提升计划

输入：

专业的书籍——统计、数据分析

系统的培训——数说1-3季

工具的学习——透视表、仪表盘

公众号、微博

输出：

10篇读书笔记

1个改进项目

1项专项分析报告

指标仪表盘初稿

---

学习数据分析，统计学可谓是必学的知识之一。相对于其他的统计学书籍，各种正态分布、卡方分布、T分布的晦涩概念，《极简统计学》的内容没有那么的学术化，案例也贴合工作、生活，整个篇幅也就200页，并且每章后都有练习题，非常适合统计学初学者自学。下面记录一下自己读书的一些关键点及启示。

一、几个重要的统计概念

1.统计、概率的区别

统计是对过去事件的概述

概率是对于未来将发生事件的描述

2.样本——母体

样本就是我们平时可以获取的数据。

母体就是藏在少数样本后的庞大的全部数据。

3.平均值——就是直方图的平衡支点，主要作用是抵消偶然的数据分散、得出与实际值接近的值

直方图就是数据的分组频次，很直观，但不便于口头的交流，而且需要很大的空间，因此引入平均值。

样本均值——总体均值：观测的数据越多，样本均值接近总体均值的可能性越大。

电力系统里的平均值都是常见的是总体均值，如户均配变容量、客户平均停电时间、平均售电单价。

4.方差、标准差——主要作用是表明数据的分散和波动，搞清楚数据的分散程度。

引子：看看下面2组数据

100 200 平均值150

140 160 平均值150

这两组数据仅用平均值衡量，明显不合理。

再来一个书中的例子

所有引入方差、标准差来表明数据的分散和波动，通过标准差就能衡量是否是特殊的数据。以冲浪为例，平均值就是平静的海水平面，而标准差就是浪涌的激烈程度。

样本方差就是各样本偏差平方再取平均值。

二、重要应用：

1.如何比较股票的优劣呢？——夏普比率

电网企业的数据应用启示：可以计算各月售电量、停电时间；各设备类别的报废资产净值率、95598各类别投诉数量等分析指标的标准差、方差的指标，用于分析指标是否异常。

2.利用正态分布进行预测——所谓95%的置信区间

一般正态分布：平均值为μ，标准差为σ。（标准正态分布平均值为0，标准值为1。）

（1）数据x是平均值为μ，标准差为σ的正态分布时，95%的预测命中区间的不等式为

电网企业的数据应用启示：可以根据历史数据计算总体的均值和标准差，进而计算95%的置信区间，做为数据收集、数据清理时的有效性检查。

（2）已知母体为正态分布，标准差σ已知，平均值μ未知，由观察的数据来对μ进行母体的区间估计。（实际情况较难实现标准差σ已知，可能出现的是机器生产已经给定标准差）

电网企业的数据应用启示：可以用于精益项目改善的前后的现状检查及效果评估。可以用于零售行业的销售情况的测算、可以用于统计各人员的操作时间计算等等。

3.利用T分布估算总体均值

T分布称为“自由度n-1的t分布”。这个分布非常近似于正态分布，主用通过计算样本均值和样本方差，来估算总体的均值。t分布是推论统计中最自然、最实用、最常用的方法。

4.利用卡方分布估算总体方差