第一课 基本概念
根据前几天一个小项目的经验，目前发现书确实读得太少，所以现在下定决心对统计和数据挖掘进行系统性的学习，当然也是快速的，因为没有学生那样有那么多的时间。
集中趋势
均值——算术平均数，描述平均水平
中位数——将数据按大小排列后位于正中间的数描述，描述中等水平
众数——数据中出现最多的数，描述一般水平
中位数-中间位置的数
例：58,32,46,92,73,88,23
1. 先排序：23,32,46,58,73,88,92
2. 找出处于中间位置的数：23,32,46,58,73,88,92。三个数字比58小，三个数字比58大
例：58,32,46,92,73,88,23,63——多加了一个数字，情冴有何改变？
1. 先排序：23,32,46,58,63,73,88,92
2.找出处于中间位置的数：23,32,46,58,63,73,88,92
3. 若处于中间位置的数据有两个（也就是数据的总个数为偶数时），中位数为中间两个数的算术平均数：（58+63）/2=60.5——原数据中，四个数字比60.5小，四个数字比60.5大。
众数-出现最多的数
1 2 2 3 3 中的众数是2和3
1 2 3 4 5 中没有众数
均值-充分利用所有数据，适用性强-容易受到极端值影响
中位数-丌受极端值影响-缺乏敏感性
众数-当数据具有明显的集中趋势时，代表性好；丌受极端值影响-缺乏唯一性：可能有一个，可能有两个，可能一个都没有
image.png
离散程度描述
比较下面两组数据：
A——1 2 5 8 9 B——3 4 5 6 7
两组数据的均值都是5，但是可以看出B组的数据不5更加接近。但是有描述集中趋势的统计量丌够，需要有描述数据的离散程度的统计量
极差：最大值-最小值，简单地描述数据的范围大小
A：9-1=8；B：7-3=4
同样的5个数，A的极差比B的极差要大，所以也比B的要分散
但是只用极差这个衡量离散程度也存在丌足
如：A——1 2 5 8 9 B——1 4 5 6 9
方差
在统计描述中，方差用来计算每一个变量（观察值）与总体均数之间的差异。为避免出现离均差总和为零，离均差平方和受样本含量的影响，统计学采用平均离均差平方和来描述变量的变异程度。总体方差计算公式：
image
image
为总体方差，
image
为变量，
image
为总体均值，
image
为总体例数。
、
image.png
标准差
标准差（Standard Deviation） ，中文环境中又常称均方差，是离均差平方的算术平均数的平方根，用σ表示。标准差是方差的算术平方根。标准差能反映一个数据集的离散程度。平均数相同的两组数据，标准差未必相同。
image.png
然后注意几个图
直方图
箱型图
image.png
