1、一、掌握基础、更新知识。
2、是如何统计出来的。a：时间；是通过创建时间，还是业务完成时间。b：业务场景。是只要与业务发接触，例如下了单，还是要业务完成后，到成功支付。
3、你要掌握基础的、成熟的数据建模方法、数据挖掘方法。例如：多元统计：回归分析、因子分析、离散等，数据挖掘中的：决策树、聚类、关联规则、神经网络等。但是还是应该关注一些博客、论坛中大家对于最新方法的介绍，或者是对老方法的新运用，不断更新自己知识，才能跟上时代，也许你工作中根本不会用到，但是未来呢？
4、•非概率抽样适合探索性的研究，为更深入的数据分析做准备，特点是操作简便、时效快、成本低。而且对于抽样中的统计专业技术要求不是很高；
5、•简单随机抽样；
6、统计学分为描述性统计学和推断性统计学。
7、三、形成自己结构化的思维。
8、例如箱线图就可以很好反映其中部分重点统计值。
9、在前面二点，更多要求你能按业务逻辑，来进行数据的提取（更多是写sql代码从数据库取出数据）。后面二点，更重要是对业务了解，更行业知识了解，你才能进行相应的数据解读，才能让数据产生真正的价值，不是吗？
10、#非概率抽样
11、•阶段抽样（先抽群，然后在群内进行二阶段抽样）。
12、•独立双样本检验：检验两个独立样本的平均值之差是否等于目标值
13、如何提高业务知识，特别是没有相关背景的同学。很简单，我总结了几点：
14、)百分位数：为一界值，用以确定医学参考值范围。
15、简单的例子是投硬币，如果有人A投了1万次硬币，然后B想知道其中多少次是正面，多少次是反面，那么依据概率论，你知道它出现正面和反面的概率都是0.
16、Z检验：一般用于大样本（即样本容量大于30）平均值差异性检验的方法。它是用标准正态分布的理论来推断差异发生的概率，从而比较两个平均数>平均数的差异是否显著。
17、行业知识都重要，也许你看到很多的数据行业的同仁，在微博或者写文章说，数据分析思想、行业知识、业务知识很重要。我非常同意。因为作为数据分析师，在发表任何观点的时候，都不要忘记你居于的背景是什么？
18、)极差：为一组数据的最大值和最小值之差，但极差不能反映所有数据的变异大小，且极易受样本含量的影响。常用以描述偏态分布。
19、分析数据有两种，
20、•概率抽样的技术含量更高，调查成本更高，统计学专业知识要求更高，适合调查目的为研究对象总体，得到总体参数的置信区间。
21、T检验：用于样本含量较小（例如n<30），总体标准差σ未知的正态分布样本。
22、对于新进入数据行业或者刚进入数据行业的朋友来说：
23、置信区间和置信水平
24、)四分位数间距：它是由第3四分位数与第1四分位数相减得到，常和中位数一起描述偏态分布资料的分布。
25、这个要看你分析什么数据。
26、卡方检验：主要用于检验两个或两个以上样本率或构成比之间差别的显著性，也可检验两类事物之间是否存在一定的关系。
27、二、要有三心。
28、作图法可以最醒目地表达物理量间的变化关系。从图线上还可以简便求出实验需要的某些结果（如直线的斜率和截距值等），读出没有进行观测的对应点（内插法），或在一定条件下从图线的延伸部分读到测量范围以外的对应点（外推法）。此外，还可以把某些复杂的函数关系，通过一定的变换用直线图表示出来。例如半导体热敏电阻的电阻与温度关系为，取对数后得到，若用半对数坐标纸，以lgR为纵轴，以1／T为横轴画图，则为一条直线。
29、统计检验方法
30、•自愿样本（调查者自愿参加）；
31、)变异系数：也称作异常值，多用于观察指标单位不同时，可消除因单位不同而不能进行比较的困难。
32、）设假设：
33、)问题是什么？——
34、数据库查询—sql
35、行业知识
36、但是，统计学的知识包括了图形信息化、数据的集中趋势、概率计算、排列组合、连续型概率分布、离散型概率分布、假设检验、相关和回归等知识，对于具体的知识点，本文就不一一介绍了，感兴趣的同学请参考《深入浅出统计学》、《统计学：从数据到结论》等专业书籍。
37、#概率抽样
38、)需要明确的证据是什么？
39、分析大数据，R语言和Linux系统比较有帮助，运用到的方法原理可以翻翻大学的统计学，不需要完全理解，重在应用。
40、对于a部门，
41、）由于-3.0031<-2.262，拒绝原假设，因此接受备择假设，该器件满足国家标准。
42、分析简单数据，Excel就可以了。Excel本意就是智能，功能很强，容易上手。我没有见过有人说自己精通Excel的，最多是熟悉Excel。Excel的函数可以帮助你处理大部分数据。
43、)算数均数：即为均数，用以反映一组呈对称分布的变量值在数量上的平均水平。
44、#两者抽样方法之间的比较：
45、数据分析师一定要严谨。而严谨一定要很强的结构化思维，如何提高结构化思维，也许只需要工作队中不断的实践。但是我推荐你用mindmanagement，首先把你的整个思路整理出来，然后根据分析不断深入、得到的信息不断增加的情况下去完善你的结构，慢慢你会形成一套自己的思想。当然有空的时候去看看《麦肯锡思维》、结构化逻辑思维训练的书也不错。在我以为多看看你身边更资深同事的报告，多问问他们是怎么去考虑这个问题的，别人的思想是怎么样的？他是怎么构建整个分析体系的。
46、一名数据分析师，一定要对所在行业知识、业务知识有深入的了解。例如：看到某个数据，你首先必须要知道，这个数据的统计口径是什么？是如何取出来的？这个数据在这个行业，在相应的业务是在哪个环节是产生的？数值的代表业务发生了什么（背景是什么）？对于a部门来说，本月新会员有10万，10万好还是不好呢？先问问上面的这个问题：
47、多向业务部门的同事请教，多沟通。多向他们请教，数据分析师与业务部门没有利益冲突，而更向是共生体，所以如果你态度好，相信业务部门的同事也很愿意把他们知道的告诉你。
48、•判断抽样（依据专业知识进行判断）；
49、假设对于某一个器件，国家标准要求：平均值要低于20。
50、这个放在最后，不是不重要，而且非常重要，如果前面三点是决定你能否进入这个行业，那么这则是你进入这个行业后，能否成功的最根本的因素。数据与具体行业知识的关系，比作池塘中鱼与水的关系一点都不过分，数据（鱼）离开了行业、业务背景（水）是死的，是不可能是“活”。而没有“鱼”的水，更像是“死”水，你去根本不知道看什么（方向在哪）。
51、理论统计学主要是进行统计学的数学原理和统计公式的推导和证明,应用统计学探讨如何从所研究的领域或专门问题出发,依据探讨对象的性质而采用适当的统计学原理去解决问题。
52、基本步骤
53、在统计学中，几乎都是依据样本来推断总体的情况的，但在推断的过程中，我们会遇到各种各样的阻碍和干扰，所以我们推断出的结果不是一个切确的数字，而是在某个合理的区间内，这个范围就是置信区间。
54、）计算检验统计量：样本平均值17.17，样本标准差2.98，检验统计量为（17.17-20）/（2.98/√10）=-3.0031
55、•方便抽样（依据方便原则自行确定）；
56、要做好数据分析，除了自身技术硬以及数据思维灵活外，还得学会必备的统计学基础知识！因此，统计学是数据分析必须掌握的基础知识，即通过搜索、整理、分析、描述数据等手段，以达到推断所测对象的本质，甚至预测对象未来的一门综合性科学。
57、•系统抽样（将总体中所有单位按一定顺序排列，在规定的范围内随机抽取一个单位作为初始单位，然后再按事先指定好的规则确定其他样本单位）；
58、每天有空去浏览行业相关的网站。看看行业都发生了什么，主要竞争对手或者相关行业都发展什么大事，把这些大事与你公司的业务，数据结合起来。
59、)方差与标准差：反映一组数据的平均离散水平，消除了样本含量的影响，常和均数一起用来描述一组数据中的离散和集中趋势。
60、将实验数据按一定规律用列表方式表达出来是记录和处理实验数据最常用的方法。表格的设计要求对应关系清楚、简单明了、有利于发现相关量之间的物理关系；此外还要求在标题栏中注明物理量名称、符号、数量级和单位等；根据需要还可以列出除原始数据以外的计算栏目和统计栏目等。最后还要求写明表格名称、主要测量仪器的型号、量程和准确度等级、有关环境条件参数如温度、湿度等。
61、集中趋势是指一组数据所趋向的中心数值，用到的指标有：算数均数、几何均数、中位数。
62、如果数据不结合具体的行业、业务知识，数据就是一堆数字，不代表任何东西。是冷冰冰，是不会产生任何价值的，数据驱动营销、提高科学决策一切都是空的。
63、数据分析师其实是一个细活，特别是在前文提到的例子中的前面二点。而且在数据分析过程中，是一个不断循环迭代的过程，所以一定在耐心，不怕麻烦，能静下心来不断去修改自己的分析思路。
64、一、描述性统计
65、•配额样本（类似分层抽样）；
66、这个数据代表着什么。10万高吗？与历史相同比较？是否做了营销活动？这个行业处理行业生命同期哪个阶段？
67、统计学用到了大量的数学及其它学科的专业知识，其应用范围几乎覆盖了社会科学和自然科学的各个领域，而在数据量极大的互联网领域也不例外，因此扎实的统计学基础是一个优秀的数据人必备的技能。
68、双尾检测和单尾检测
69、）总体为正态分布，方差未知，样本为小样本，因此采用T检验。
70、•单样本检验：检验单个样本的平均值是否等于目标值
71、抽样有多种方法，针对不同的目的和场景，需要运用不同的方法进行检测，常见的抽样方法有：
72、二、推断性统计
73、F检验：F检验又叫方差齐性检验。在两样本t检验中要用到F检验。检验两个样本的方差是否有显著性差异这是选择何种T检验（等方差双样本检验，异方差双样本检验）的前提条件。
74、我们在做产品检验的时候，不可能把所有的产品都打开检验一遍看是否合格，我们只能从全部的产品中抽取部分样本进行检验，依据样本的质量估算整体的产品质量，这个就是抽样，抽样的定义是为了检验整体从整体中抽离部分样本进行检测，以样本的检测结果进行整体质量的估算的方法。
75、但大家一定不要忘记了一些基本的技术，不要把基础去忘记了，如果一名数据分析师不会写sql，那麻烦就大了。哈哈。。你只有把数据先取对了，才能正确的分析，否则一切都是错误了，甚至会导致致命的结论。新同学，还是好好花时间把基础技能学好。因为基础技能你可以在短期内快速提高，但是在行业、业务知识的是一点一滴的积累起来的，有时候是急不来的，这更需要花时间慢慢去沉淀下来。
76、备择假设：器件平均值<20；
77、)提出原假设（H0）和备选假设（H1），确定显著性水平（原假设为正确时，人们把它拒绝了的概率）
78、假设检验类型
79、数据分析师在计算机的层面的技能要求较低，主要是会sql，因为这里解决一个数据提取的问题。有机会可以去逛逛一些专业的数据论坛，学习一些sql技巧、新的函数，对你工作效率的提高是很有帮助的。
80、•滚雪球样本（类似树结构）；
81、四、业务、行业、商业知识。
82、）当置信度选择97.5%，自由度为9，此时为单尾检验，临界值为2.262。
83、•分层抽样；
84、定义：根据样本数据推断总体的数据特征。
85、集中趋势
86、不要过于追求很高级、高深的统计方法，我提倡有空还是要多去学习基本的统计学知识，从而提高工作效率，达到事半功倍。以我经验来说，我负责任告诉新进的同学，永远不要忘记基本知识、基本技能的学习。
87、定义：使用特定的数字或图表来体现数据的集中程度和离散程度。
88、离散趋势
89、)判断标准是什么？
90、)几何均数：常用以反映一组经对数转换后呈对称分布的变量值在数量上的平均水平。
91、•整群抽样（先将总体中若干个单位合并为组，这样的组称为群，再直接对群进行抽样）；
92、置信区间[a,b]的计算方法为：（z分数：由置信水平决定，查表得）
93、•相关配对检验：检验相关或配对观测之差的平均值是否等于目标值
94、产品质检的时候用的几乎都是抽样方法的推断性统计，推断性的过程就是一种假设检验，在做推断性统计的时候我们需要明确几点：
95、明确后可以对应我们假设检验的几个步骤了：
96、标题写着告诫，其实谈不上，更多我自己的一些心得的总结。希望对新进的朋友有帮助，数据分析行业绝对是一个朝阳行业，特别是互联网的不断发展，一个不谈数据的公司根本不叫互联网公司，数据分析师已经成为一个互联网公司必备的职位了。
97、#抽样方法
98、)确定P值，作出统计推理
99、#中心极限定理：若给定样本量的所有样本来自任意整体，则样本均值的抽样分布近似服从正态分布，且样本量越大，近似性越强。以30为界限，当样本量大于30的时候符合中心极限定理，样本服从正态分布；当样本量小于30的时候，总体近似正态分布时，此时样本服从t分布。样本的分布形态决定了我们在假设检验中采用什么方法去检验它。
100、有机会走向一线，多向一线的客户沟通，这才是最根本的。
101、某公司制造出10个器件，相关数值如下：15.616.222.520.516.419.416.617.912.713.9
102、这个和我们提出的原假设相关，例如我们检测的原假设：器件平均值>=20；我们需要拒绝的假设就是器件平均值<20,此时就是单尾检验；如果我们的原假设是器件平均值>20，则我们需要拒绝的假设就是器件平均值<20和器件平均值=20，此时就是双尾检测；
103、新会员的统计口径是什么。第一次在使用a部门的产品的会员？还是在站在公司角度上说，第一次在公司发展业务接触的会员？
104、当你掌握好前面的基本知识和一些技巧性东西的时候，你应该在业务、行业、商业知识的学习与积累上了。
105、（T检验用来检测数据的准确度，检测系统误差；F检验用来检测数据的精密度，检测偶然误差）
106、离散趋势是反映数据的变异程度，常用指标有极差、四分位间距、方差与标准差、变异系数。
107、抽样方法和中心极限定理
108、运用假设检验判断该公司器件是否符合国家标准：
109、原假设：器件平均值>=20；
110、)中位数：适用于偏态分布资料和一端或两端无确切的数值的资料，是第50百分位数。
111、)选择检验方法，确定检验统计量
112、但整体中所有的数据都在这个范围也不现实，我们只需要绝大多数出现在置信区间就可以了，这里的绝大多数就是置信水平的概念，通常情况我们的置信水平是95%。
113、永远不要忘记了google大神，定制一些行业的关键字，每天都先看看定制的邮件。
114、这个数据是在哪个环节统计出来。在注册环节，在下单环节，在成功支付环节。
115、基本技术怎么强调都不过分。这里的术更多是（计算机、统计知识），多年做数据分析、数据挖掘的经历来看、以及业界朋友的交流来看，这点大家深有感触的。
116、统计知识与数据挖掘
117、数理统计就是运用相关数学知识对大量数据进行分析的一门技术，理论基础是概率论。而概率论是通过对这个世界的现象观察总结而发展起来的。
118、a=样本均值-z*标准误差，b=样本均值+z*标准误差
119、理论统计学是以方法为中心建立统计方法体系。应用统计学系统讲述应用统计学基本知识和基本技能，融入电子表格(Excel)的实际应用，介绍参数估计、假设检验、方差分析、相关与回归、时间序列分析、指数分析等应用统计方法。
屈原的诗歌精选好句107句 班名班训班级口号图片优选好句35句 别董大古诗原文作者38句 风古诗的意思【优选42句】 qq备注名称大全【精选90句】 朱砂痣的爱情含义优选好句25句 演讲话题25句 蜂这首古诗的意思和注释【精选451句】 风古诗配画二年级41句 字字珠玑优选好句79句 2022年最新微信网名 三字搞笑网名大全 可爱好听的网名怎么取 2021个性签名霸气【87个精选】 看花海的心情说说【优选63句】 当兵的说说心情短语精选103句 骂绿茶的句子不带脏字长句-31句优选 卖卫浴产品的广告词64句精选 初八祝福图片文案 教师节祝福短句优选好句22句