統計分為兩種，一種是學術統計研究，一種是商務的統計分析。
一.?統計研究
統計研究步驟的基本邏輯: 設計-收集-整理-檢驗-分析
1.設計 Design
選題-明確研究目的-提出假設-明確總體范圍-確立觀察指標-控制研究中的偏倚-給出具體的研究方案。
P值 P value
置信區間 Confidence interval
2.收集 Data collection
質量控制非常重要。基礎數據的質量決定了統計結果。
連續變量? Continuous variable
分類變量? Categorical variable
單樣本? Single sample
兩樣本 Two sample
3.整理
借助軟件工具進行半自動花的整理。
抽樣誤差 Sampling error
標準誤差 Standard error
4.參數估計與假設檢驗：
點估計與區間估計 Point Estimation and Interval Estimation
假設檢驗的基本原理與標準步驟 hypothesis test
t檢驗
卡方檢驗
5.分析 Analyse
如何選擇正確的統計方法？
統計描述，了解樣本情況。引入相應的統計描述指標:
頻數統計 Frequency Table
集中趨勢 Central Tendency 均數Mean
離散趨勢? Dispersion Tendency? 全距Range 變異系數
分布形狀，是否對稱，分布曲線形狀，正負偏和左右偏。
分布特征，頻數分布和正臺分布，標準正太分布，二項分布，t分布
指標呈現方式：統計圖與統計報表。統計推斷，從樣本信息外推到總體，獲取解答 。
注意事項，相對數的應用中，分母不宜過小。幾個總綠比較的時候要注意構成的差別，如果分母不同不可直接相加或平均。
6.錯誤與錯誤控制 Misuse
一類錯誤（I型錯誤）
二類錯誤（II型錯誤）
二.統計分析
步驟 統計分析可以分為5個步驟
1.?描述要分析的數據的性質
2. 研究基礎群體的數據關系 ·
3. 創建一個模型，總結數據與基礎群體的聯系 ·
4. 證明（或否定）該模型的有效性 ·
5. 采用預測分析來預測將來的趨勢
軟件：SAS ,Python, Jupter, Pandas
Study road Map
第一階段：數學基礎，數學，高等數學，線性代數，概率論，數學建模；
?第二階段：計算機基礎，編程，Python，工具庫，R，網絡爬蟲;
第三階段：機器學習 Machine learning;
第四階段：數據挖掘 Data Mining;
第五階段：深度學習，網絡與框架.
其實我們能碰到的80%的問題，已經有人幫我們回答過了，答案在互聯網上，都能夠找得到，你只要搜索就好，剩下的20%，你再研究。往往很難的是思維結構，結構化體系花你搜集的知識。今天就是匯總了網絡上關于統計步驟的知識點。會搜索可以提高學習效率。用baidu搜索google鏡像，用wiki百科去看知識結構(https://www.wikipedia.org/)，都是不錯的選擇。
希望通過結構化知識，提高學習效率，讓你的工作時間更值錢，賺錢更高效！------------《 數據分析筆記》
