xigema=1

确定性的关系

方差分析的三种类型

误差平方和 1.组内平方和

           2.组间平方和：4个行业职员之间的误差平方和，既包括随机误差，也包括 系统误差

均方：平方和除以相应的自由度

组间均方与组内均方的比值。

基本假设

  1.每个总体都要付出正态分布

2.每个总体的方差必须相同

F>F（9,10）  p小于 P的临界值。表明有显著影响

双因素分析：

  求行的均值  列的均值 总的均值

有两组假设

总误差平方和

列因素 行因素   随机误差项平方和

方差分析

分析分类型数据对数值型数据有没有影响

如不同的行业的人均收益是否有显著性差别

观察差异的显著性，差异是否足够显著

因素或因子            

水平或处理

观察值

总体

样本数据

差异都会有，但要看是否显著。

随机误差：同一水平下，样本观测值的差异。随机因素的影响

系统误差：因素的不同总体的差异。可能是随机性造成的，或者是由于行业本身造成的。

                        假设检验

1.

假设检验是检验有没有显著差异

原假设是要推翻 的，要拒绝的

备择假设是要证明的

Z分位数: NORM,S,INV(0.025)

T分位数:T.INV（0.975,15）   15为自由度

卡方分位数： 不对称  CHISQ.INV(0.975,15)

F分布的分位数   F.INV(0.975,11,12)

算方差  VAR.S   S：样本   VAR.P  总体

   方差      SQRT(VAR.S)

同一个样本 匹配前后，是匹配样本

方差比：

样本量的确定

评价估计量的标准

样本的统计量估计总体 总体参数

无偏性：估计量抽样分布的数学期望等于被估计的总体参数。  业务化语言：中心

有效性：两个估计量，标准差越小的越有效。

一致性;：随着样本量的增加，估计量的值越来越接近总体参数。

样本估计总体

总体参数

点估计 区间估计

置信区间(90% 、95、99%)。确信在这个区间里面的程度。

统计量 抽样分布

样本推断整体：如求市场份额

次序统计量

正态分布

N normal distribution

分布函数Fx    是x左侧的概率（面积）

Fx=P（X<x）

excel

方差和标准差 不能用于比较不同变量的离散程度

离散系数：可以消除样本的影响。便于比较离散程度。

V=S/X

偏态和峰态：

偏态系数：  >0 。右偏分布

  >1或<1 高度偏态

峰态：

异众比率；

四分位差: 用于衡量中位数的代表性

方差和标准差：

   到平均数的平均距离

数学性质较差：不可导

样本方差: 分母是n-1

度量方式不同 结果不一样

标准分数 ：标准化值，某个值在一组数据中相对位置的度量，判断是否有离群点

Z=X1-X/S

离散系数：

分类数据：如 男女

顺序：  名次   （甲乙丙等）

数值型：营业额

众数可以是 类 也可以 是数

中位数不能用于顺序 数据里面

描述性统计：