Penglaixiaoke的博客

本文总结了统计学常犯错误，为大家避坑防雷！1、变量之间关系可以分为两类：函数关系：反映了事物之间某种确定性关系相关关系：两个变量之间存在某种依存关系，但二者并不是一一对应的；反映了事物间不完全确定关系；2、为什么要对相关系数进行显著性检验？实际上完全没有关系的变量，在利用样本数据进行计算时也可能得到一个较大的相关系数值（尤其是时间序列数值）当样本数较少，相关系数就很大。当样本量从100减少到40后，相关系数大概率会上升，但上升到多少，这个就不能保证了；取决于你的剔除数据原则，还有这组数据真的可能不存在相关性

大数据开发vs数据产品经理 大数据开发工程师和产品经理，本质上来讲是一个技术和一个产品。首先果我们看他的整个的发展路径，技术一般走的都是技术路线，比如说最开始的初级工程师、到中级工程师、高级的发工程师，再到开发小组的组长或者开发组的经理，或者是到最后的架构师等。因为做技术到最后大部分走的就架构师，也会有一部分也会做开发管理。产品它最终走的始终是管理的路线。也就是说我们产品到最后是产品经理、产品组长、产品的项目负责人或者某一个公司、某一个领域的产品总负责人。在这个过程中，他们俩之间联系是什么？比如懂技术的产品

很多人苦恼，学会了很多数据分析工具和技能，依然做不好数据分析。遇到业务问题时，常常觉得无从下手。其实，掌握技能和工具只是第一步，做好数据分析还必须要有数据分析思维。数据思维具有框架性引导作用，能够帮助确认分析角度、搭配分析方法、选择指标体系以及得出分析结论。但要明白，数据思维不是一两周就能锻炼出来的，要不断练习，下面我给大家推荐7种常用的数据分析思维技巧，帮助大家缩短学习时间。对比法是一种挖掘数据规律的思维，能够和任何技巧结合，一次合格的分析一定要用到N次对比。对比主

现如今，越来越多的人进入了大数据行业，或正在准备进入大数据行业。但是又有多少人清楚大数据的职业规划，大数据之路怎么走才适合自己？其实，不论进入什么行业都要清晰地分析自己的职业走向。可能对于大数据这个比较新的行业来说，做出一个5年、10年的规划不太现实，但是大数据的职业路线还是必须要知道的。下面，小编就带大家盘一盘。大数据总体上有3种职业路线，分别是市场调研方向、数据分析与挖掘方向、数据工程师方向这3条路线。1市场调研方向初级职位“调研顾问”。

统计学是在数据分析的基础上，研究如何测定、收集、整理、归纳和分析反映数据，以便给出正确消息的科学。如果要学习数据分析，那么扎实的统计知识是必备的。01统计学基础1.均值平均数的一般量度：有时候一些数据重复了，这时候需要用到频数：2.中位数偏斜数据和异常值使均值误导的时候，用它，它是中间值。3.众数数据中出现最多的数值。4.四分数四分位数（Quartile）是统计学中分位数的一种，即把所有数值由小到大排列并

数据分析入门要具备什么样的能力？其中有一项必备的——统计学知识，统计学是一种利用数学理论来进行数据分析的技术，通过统计学我们可以用更富有信息驱动力和针对性的方式对数据进行操作。在数据分析工作中，利用统计学，我们可以更深入、更细致地观察数据是如何进行精确组织的，并且基于这种组织结构确定数据分析的方法，来获取更多的信息。今天小编就给大家分享一篇统计学基础知识梳理，希望对大家有帮助。简单而言，描述性统计分析是用几个关键的数字来描述数据集的整体情况<集中性和离散型（波动性大小）>