1. 随机试验

2. 随机事件

3. 随机变量    

切比雪夫

1. 数据的计量尺度和具体的统计方法相关

名义测量-分类变量：数值谨代表某些分类或属性，不做高低，大小区分。如男女

次序测量-顺序变量：量化水平高于名义测量，具有一定的顺序性。如学历水平

连续变量测量-数值变量 （间距测量、比例测量）

间距测量：量化水平更高，其取值不再是类的编码，而是采用一定单位的实际测量值。可以进行加减运算，但不能进行乘除运算。

比例测量：最高级的测量等级。可以进行加减乘除，其0具有绝对意义

2 数据描述

分类变量：检查众数，百分比：

频次/频数、百分比、累积频次与累积百分比（仅对次序变量有意义）

顺序变量：众数，频次，百分比，百分比，累积

连续变量： 中心水平、离散程度、偏度和峰度

注意⚠️：分类变量、顺序变量、连续变量的量化水平是由低到高的，低水平变量的统计量可以用于高水平，反之则不一定

3 连续变量-中心水平：能代表“中心”概念的可选统计量有均值，中位数和众数

众数（数据量较大时有意义）：出现次数最多的变量值，众数不是唯一的

中位数：排序后处于中间位置的值

样本量为奇数时，中位数为中间值

样本量为偶数是时，中位数为中间两值的均值，是一个计算值

四分位数：一组数据排序后，处于25%（下四分位数）和75%（上四分位数）位置处的数字

均值-算数平均数：样本平均数、总体平均数。

均值-加权平均数：样本加权平均，总体加权平均

均值-几何平均数：主要用于计算平均增长率，适用于比率数据的平均。

各个中心水平度量的比较：众数和中位数不易收到极端值的影响，平均数容易受到极端值影响。众数和中位数适合在非对称情况下使用。

4. 连续变量-离散程度：离散程度反映中心水平的代表性。

离散程度度量指标：

5. 连续变量-偏度：用来刻画偏态的程度

6. 连续变量-峰度：变量向两边拖尾的情况。正态分布峰度为0

7 统计图形

条形图

盒须图（箱线图）：提供中位数，均值，上线分位点的信息

玫瑰图（南丁格尔玫瑰图）

1. 数据分析是一套分析流程，包括业务理解，数据采集，数据清洗，数据探索，数据可视化，数据建模，模型结果可视化，分析结果的业务应用等；它以探索数据内的有用信息为主要途径，以解决业务需求为最终目标。

2. 数据挖掘是一个跨学科的计算机科学分支，是一种计算过程；用人工智能，机器学习，统计学和数据库的交叉方法在相对较大型的数据集中发现模式

3. 数据分析的8个层次

 4.小数据与大数据关系

小数据重抽样，基于样本推断总体

大数据重全体，偏向于机器学习，侧重效率和优化

5. 数据分析的意义

数据分析涉及到公司运营的方方面面，其中客户与市场的数据分析是重点

6. 客户生命周期与数据分析的关系

潜在：发掘潜在客户--如何找到潜在客户

响应：客户获取，初始信用评分，客户价值预测

既得：客户细分，精准营销，行为信用评分，客户保留。。。

流失：流失时间判断，流失类型判断

7. 数据挖掘方法论

CRISP-DM 方法论将数据挖掘项目生命周期分为6个阶段：业务理解，数据理解，数据准备，建模，模型评估和模型发布

SEMMA方法论：数据挖掘项目实施的方法论，对CRISP方法论中的数据准备和建模环节进行了拓展。

挖掘阶段的任务