選單
×
   ❮   
HTML CSS JAVASCRIPT SQL PYTHON JAVA PHP HOW TO W3.CSS C C++ C# BOOTSTRAP REACT MYSQL JQUERY EXCEL XML DJANGO NUMPY PANDAS NODEJS R TYPESCRIPT ANGULAR GIT POSTGRESQL MONGODB ASP AI GO KOTLIN SASS VUE DSA GEN AI SCIPY AWS CYBERSECURITY DATA SCIENCE
     ❯   

統計學入門


統計學為我們提供了從資料中獲取知識的方法。


統計學用於什麼?

統計學被用於各種科學和商業應用。

統計學能讓我們獲得更準確的知識,幫助我們做出更好的決定。

統計學可以側重於對未來可能發生的事情做出預測。它也可以側重於解釋事物之間是如何聯絡的。

注意: 良好的統計學解釋也有助於預測。


統計方法的典型步驟

典型的步驟是
  • 收集資料
  • 描述和視覺化資料
  • 得出結論

對於我們想了解的任何問題,都要牢記這三個步驟是很重要的。

瞭解可用的資料型別可以告訴你用統計方法可以回答哪些問題。

瞭解你想回答的問題可以幫助指導你需要什麼樣的資料。可能有很多資料可用,知道要關注什麼很重要。


統計學是如何使用的?

統計學可以用來精確地解釋事物。你可以用它來理解你想了解的群體並得出結論。這個群體被稱為總體

總體可以是許多不同種類的群體。它可以是

  • 一個國家的所有人
  • 一個行業的所有企業
  • 一個企業的所有客戶
  • 所有年齡超過 45 歲並且踢足球的人

等等——這取決於你想了解什麼。

收集關於總體的資料會得到一個樣本。這是總體的一部分。然後對該樣本使用統計方法。

從樣本得出的統計方法結果被用來對總體做出結論

注意: “統計資料”一詞也可以指特定的知識片段;比如某物的平均值。



統計學中的重要概念

  • 預測和解釋
  • 總體和樣本
  • 引數和樣本統計量
  • 抽樣方法
  • 資料型別
  • 測量水平
  • 描述性統計
  • 隨機變數
  • 單變數和多變數統計
  • 機率計算
  • 機率分佈
  • 統計推斷
  • 引數估計
  • 假設檢驗
  • 相關性
  • 迴歸分析
  • 因果推斷

我們將在此教程中逐步介紹這些主題。


統計學與程式設計

統計分析通常透過計算機完成。少量資料也可以很好地進行分析,而無需計算機。

歷史上,所有資料分析都是手動進行的。它耗時且容易出錯。

如今,程式設計和軟體通常用於資料分析。

在本課程中,我們將展示使用 Python 和 R 程式語言進行統計分析的程式碼示例。


×

聯絡銷售

如果您想將 W3Schools 服務用於教育機構、團隊或企業,請傳送電子郵件給我們
sales@w3schools.com

報告錯誤

如果您想報告錯誤,或想提出建議,請傳送電子郵件給我們
help@w3schools.com

W3Schools 經過最佳化,旨在方便學習和培訓。示例可能經過簡化,以提高閱讀和學習體驗。教程、參考資料和示例會不斷審查,以避免錯誤,但我們無法保證所有內容的完全正確性。使用 W3Schools 即表示您已閱讀並接受我們的使用條款Cookie 和隱私政策

版權所有 1999-2024 Refsnes Data。保留所有權利。W3Schools 由 W3.CSS 提供支援