Please enable JavaScript.

Coggle requires JavaScript to display documents.

統計 (演算法, 描述統計學, 推論統計學) - Coggle Diagram

- - - - 一組數據中最大值和最小值之間的差異
    - - 非常有用的統計量，因為它不包括極端的數據
        
        第一四分位數Q1，樣本中所有數值由小到大排列後第25%的數字
        
        第二四分位數Q2，樣本中所有數值由小到大排列後第50%的數字
        
        第三四分位數Q3，樣本中所有數值由小到大排列後第75%的數字
        
        IQR = Q3 - Q1
    - - 觀察數據分散的程度，衡量一組（隨機）數字從其平均值中分散出來的程度。變異數越接近零，數據點聚集在一起越緊密
        
        𝜎^2 = Σ(Χ−𝜇)^2 / N
        
        從數據中的每個值中減去均值(求偏差)。這可以衡量每個值與平均值的距離。
        對這些距離中的每一個進行平方（使得它們都是正值），並將所有平方值加在一起。
        將這一個平方和除以數據的數量。
    - - 量化一組數據值的變化或分散量的量度。
        低標準差表示數據點傾向於接近集合的平均值，而高標準差表示數據點分佈在更廣泛的值範圍內
        
        𝜎 = ( Σ(Χ−𝜇)^2 / N )開根號
  - - - 計算每個區間有多少數字，再畫出來
    - - 最重要和最常見的連續概率分佈
        
        常態分佈表示通常出現的數據，其中大多數值與平均值相同，並且在末端僅發現很少的值。在常態分佈中，大約 99％的值在平均值的三個標准偏差( 𝜎2 )內
        
        符合常態分佈的具有相同的均值，中位數和眾數
        
        標準化Standardization
        
        就是把數字壓到一個區間內比較，例如身高是170~190，年齡是25~35，這樣無法比較，所以做標準化後讓數字都在某個小區間內
        
        標準化數字的算法：標準分數、z分數
        Z = (x-𝜇) / 𝜎
        
        標準化值的平均值始終為零，標準化值的標准偏差始終為 1
        
        標準化是分析大數據時最重要的過程之一，因為它們允許將不同的變量組合在一起。標準化值幾乎總是用於演算法的設計和執行
  - - - 求平均
    - - 數據裡中間的數字，若9個數字就取第5個，10個就取5和6的均值
    - - 數據裡出現最多次的數字
        
        若有兩個數字出現一樣多次，則該數據集稱為雙峰，兩個以上稱為多峰
- - - - 母體
        
        例如全世界的籃球人口
      - 樣本
        
        例如NBA球員
      - 偏差
        
        例如要統計籃球人口的身高，但樣本卻用NBA的，會造成極大偏差