6、数据科学与统计学：差异辨析及变量评估方法

数据科学与统计学：差异辨析及变量评估方法

1 数据科学与统计学的差异探讨

1.1 不同机构和平台对数据科学的定义

• IJDSA ：其核心是首次发表原创的数据科学和大数据内容，但任务要点和关键词未涉及四步流程的任何内容，也未提及核心统计。由此判定，IJDSA的数据科学与统计学不同。
• Kaggle ：2016年，Kaggle将数据科学定义为“一个新兴领域，致力于分析和处理数据以获取见解并构建数据产品，它融合了从计算机科学到数学再到艺术等多种技能”。不过，该定义未恰当提及统计学，虽有对数据的分析以获取见解，但只是修辞性的统计。因此，Kaggle的数据科学与统计学不同。
• KDnuggets（KDN） ：将数据科学定义为“从大量非结构化数据中提取知识，这是数据挖掘和预测分析领域的延续，也称为知识发现和数据挖掘”。此定义将数据科学局限于非结构化大数据，范围较窄，未抓住四步流程和核心统计的本质。所以，KDN的数据科学与统计学不同。
• 加州大学伯克利分校（UC Berkeley） ：其定义显示出对数据科学基本特征的不了解，且在定义中同时提及数据科学家和统计学家，暗示二者不同。故而，UC Berkeley的数据科学与统计学不同。

截至目前，在统计的数据科学与统计学相同或相似的统计中，比例为8/19（42.11%）。

1.2 假设检验

进行经典显著性检验来评估假设：
- 原假设H0