粉丝54获赞179

好像第九章的话呢,大家就记个公式就可以了,这个东西呢,呃,考的非常少啊,但是也不排除考的可能啊,也不排除考的可能 啊,所以的话呢,这这一块的话呢,就是大家可以稍微少放点心思,但那你就不要完全不看了,就这个东西呢, 记得还是要对这个东西有一个直观的概念。然后第十章和第十一章的话也是一样啊,他非常容易出这种计算大题,当然也非常简单,基本上就是课后那个例题啊,或者习题的难度,大家呢也是一样, 就是说啊,嗯,就是第十,尤其是第十呢,你其实就是相当于是你从把课本的例题啊,他会,他会有一个那个具体 数据的那个方杀分析吗?你就把课本的例题呢,从头到尾呢,就完完整整的就是计算一遍,然后弄清楚。因为他这方杀分析呢,会涉及到一些方杀分析表吗?然后考试考的更多的呢,其实也就是方杀分析表的一个填充啊,那么你就是要把这块东西呢,自己捋一捋,把这个 弄他们里面的钩机关系呢,自己再重新就完全推倒一遍啊,就千万就是第九,就是七八,然后十十一哈, 就是这四张的话呢,就是考的大题,你要是纯背公式呢,也是能做的,但是我个人不是很建议这种学习方法, 因为你要是把这把这个四章的话,这些计算东西,你把它当成一个背诵来看的话,那么你学习压力就会其实就会非常大,因为这本书的一个前四章呢,它本来就是一个偏向于背诵的嘛。啊,那 你这报道到后面计算你还是都要开背书来进行的话呢,那你这本书呢,其实就是硬生生的塞到你脑子里面的,你这样学下来的效果呢,其实非常差,而且你碰到有些学校比较仁慈还好一点,他就是考虑一些套公式吗?你背是能背的,就是有些学校他会把这个题稍微一变,你可能就不会了,所以的话呢, 这个情况就非常头大了。因此的话呢,我个人建议的话呢,就是第十章的学习呢,你也是那个啊,从里面进东西就是侧重一个推倒吧啊,包括他们的一个关系的那个理解这个表的话呢,你自己就是有事没事的自己给他写一写,多多写一写,多学一学就行了。

好,最后呢给他稍微做一个总结吧,就是前四张的话呢,他是那个,嗯, 类似于就是一个统计学的入门吧,就是先告诉你什么是统计学, 然后的话呢,第二章告诉你数据怎么拿到,第三章呢,就相当于告诉你你拿到数据以后呢,这个你给数据呢,要做个表嘛?就比如你可以报送给领导的,你不能说你搜一堆原始数据就报给领导了,那不是找骂吗?是吧? 你就是要做表做图,然后的话,第三就告诉你对于品质数据怎么做表,怎么做图,对于数值数据呢,怎么做表怎么做图,然后三点四就告诉你怎么合理的这个使用图表,这个这个意思。然后第四张的话呢,你要从一堆数据里面抽 取一些特征,这个其实就相当于是叫做数据特征的抽取,那你你这个原始数据呢?毕竟看的太多了嘛。那么 这个第四章相当于告诉你,比如说那个平均数啊,标准平均数啊,中位数啊,重数啊,然后标准叉、方叉、吉叉那个离散系数啊,他们这几个东西有什么用?什么情况下呢?应该用这什么特征之类的这些东西啊?这个是第四章的内容啊, 然后的话呢,更多的考简答的地方呢,二三二三张是容易考简答的,第四张的话呢,有考计算简答也比就二三四张吧,二三四张就是考简答非常多啊,那么后面的话呢,其实就是相当于要侧重一些计算一点啊,这个门槛肯定就稍微高一些了。 就反正第五章的话呢,就是他是那个要基于呃这个叫呃和数学单的内容是 是完全重合的,然后的话呢,你就那个讲,嗯,就是结合数学单的东西来进来进行一个理解就好了啊,如果你嗯不想看,就是你怕学重合了吗?觉得浪费时间。好,那你就学个政才分布就继续往后推进进度就可以了。 然后呢,后面呢,就是那个包括第六章是过度章节吗?然后七八呀,然后的十十一呢,这四个章节是考的非常多的非常重要的,然后的话呢,你其实就是相当于是需要多花精力把这面公式的推倒,一定要弄清楚,记住啊,一定要弄清楚推倒啊,千万不要硬气公式啊。 那整本书你要是连这四张都是印记的话,整本书就是印记的,没啥意思啊,而且你就真的就稍微变一下就不会错了啊,就是我所有说我所说的这四张呢,一定要把公式推倒都推一推,多推一推是吧,你毕竟考的还是个数学 相关的一些专业问题,就总不可能说什么东西都靠背的,那这个学的就没意思了啊,你这个尤其这四张都要多推一推,当你这四张公式都会推的时候呢,那出大题全是送问题。 这个贾新军这本书呢,你如果学到后期的话呢?其实嗯,这个卷子拿的分数呢?其实你如果学的好的话,可能大家都拿的都差不多,就是大多数学校的卷子呢,你考个一百三十多分的一百三十左右还是很好考的,但是在网上的话就比较难了,因为他有些简答题呢 啊,就是你不可能说能够答的这么细嘛。就是,毕竟可能还是会有一些简单易漏的嘛。这个东西你就想考到一百四十分还是比较难的。因为简单题呢,你也可能就要点记得不全,因为工作量学会太大了,有前面的知识点有点太碎了 啊。然后另一个的话呢,他有些简答题呢,他其实并不是那种呃,完全的书上的知识点的复刻啊,看他可能 会设计一些开放性比较强的东西,然后这个时候就看月见尺度了,可能比较严的话你就难比较难拿高分了。好,然后这一课就讲到这吧。

那就是第六张的问题了,第六张和第六张的话呢,他其实是这个后面两张的基础啊,因为他这里会涉及到三大分布,这个由正在分布六点二嘛, 就这张呢,一般来说很少单独出题,他基本上就是和后面联系起来的东西啊。然后六点三的这个标题呢,就是中心经验地理吧,他其实就是一个公式,这个也是在数学三是学过的啊,所以的话呢,你这一块的内容呢,你就是啊,大概理解一下这个公式,他其实就是, 嗯,就是这么怎么说呢,就是第五章讲那个正态分布嘛,然后第六点二的话,就讲出一个正态分布导出的几个重要分布啊,那其实意思就是说那是不是就代表不是正态分布就没法做了是吧?因为他的意思就是说你正态分布可以导出几个重要分布嘛, 然后的话呢,就可以用于那个参数估计和假设极限的情况啊,就包括后面的话,大多数情况都是基于正态分布来做的,就是正态分布的,他有一系列非常完善的框架和体系来帮助你做题啊,进行那个参数估计和假设结啊,那么中心极限定理就相当于告诉你 对于非正态分布应该怎么来处理呢啊,然后他告诉你,当样板量足够大的时候呢,就任何分布啊,就是他的平均数呢啊,他都会趋于正态分布。那么其实就是相当于告诉你啊,这个你像一些其他的分布的话呢,当样板量足够大的时候呢,我们也可以有正态分布的结论,这样的话就相当于是, 嗯,对于那个其他的非正态分布呢,我们也可以进行这个第七章和第八章的内容的计算了。差不多这个意思啊,就是相当于这个中心几千里 还是挺重要的,不过这个在数学上也会有讲,大家到时候注意一下就行了,因为这个在专业课里面考察非常重要啊, 就相当于是这一块呢,就像嗯,就六点三呢,它其实是搭建了那个其他的分布和正态分布的桥梁, 让其他的分布呢,他也可以用正态分布的一些结论,然后来进行那个呃参数估计和加热经验这个意思啊。所以的话,第六章呢,更多的是偏向一个过度性的章节,他就相当于是那个呃由正态分布呢导出一些重要的分布,然后为后续的章节呢做个铺垫。 然后六点三的话呢,它其实就是相当于是通过中心极限地理这个桥梁,把其他的非正态分布也可以和正态分布构建起联系。然后的话呢,就可以用这个正态分布的结论了啊,这个意思啊, 所以第五章的就是总结一下吧,就是第五章的话呢,他其实是那个跟数学三的完全重合的,然后的话呢,他是更加侧重一些数理的东西啊,学习起来呢,可能是稍微有些难度, 就是大家如果并不想学这一张的话呢,那么你就把这张放着,只学个正态文步,然后的话呢,等学完数学三以后呢,然后这部分内容就自然而然就学完了。然后第六章的话呢,就是一个过度章节,就是通过正态文步引入一系列东西,然后的话呢? 呃,再用中心结合力构建起其他分布和正态分布的桥梁。好,这个过渡章节讲完以后呢?接下来后面就是过渡章节以后的东西了。

好,各位同学,大家好哈,我是大家的坤学长。那今天晚上我们将进行这个同学第三张部分数据的图标展示, 那我们还是按照上一节课的一样哈,我们先展示一下我们整个类似微导图, 那我们数据的图标展示呢?大概分为这个五部分内容哈,其实按照课本的框架是四部分,是数据的预处理啊,品质数据的整理与展示数值的,还有合理使用图表。那我们中间加了一部分,就是我们在讲句的 图表之前,我们要想,哎,为什么我们要有数据的图表展示啊?这是我们今天待会要去说的一个点哈,大家可以看,然后会,呃,说一些我们可视化的一些呆萌啊,这应该还是会比较有意思的,这我们待会会 去讲啊,其他的部分的话,我觉得就是啊,我们分别去展开讲就好了,具体的逻辑就相当于是说我们啊上一次课啊,那个讨论的课程,相当于是给大家讲了我们统计是什么,我们统计是需要数据的啊,数据的类型有哪些? 好,那我们相当于拿到数据之后,我们首先要去做一些预处理了,而且大家知道,其实在实际的一些数据分析的工作过程中哈,那么在一开始的数据预处理的过程,他 基本上是要占到整个的处理流程的百分之七十的以上的一个时间,也就是他其实花时间是非常多的啊,要做数据很多的一些,比如说,嗯,去掉怎么处理这个缺失的问题啊 啊,还有就是说可能有一些数据,他的这个本身是就是有错误的啊,我们怎么去处理 啊?然后还包括数据的一些筛选啊,有有些数据有可能是不需要的等等。这个这个工作其实在实际工作中他占的比重还是比较大的啊,当我们把数据整个的都清洗好,预处理好之后,后面啊什么描述统计啊,然后这个建模啊等等啊,这些工作其实都还是 比较简单的啊,或者也不能说简单吧,就是说他的时间就没有那么长啊,就这点大家要想要明确,所以我们其实数据预处理的工作是非常重要的啊,所以是首先要去讲, 那我们数据处理好之后, ok, 那接下来就是据进一步的整理与展示,这种我们分不同的数据类型去做的。最后就是说我们其实要合理的去使用图标,不能滥用啊,那以及说我们什么样的图表是一个比较好看的图表啊?所以这是我们这张那个逻辑,行,那我们这个,呃分别去开始讲哈, 下面是这个品质数据的整理与展示,也就是说我们相当于数据与数据的部分都讲完了,接下来就是我们要讲品质数据和数值数据了,那么在讲之前我们要思考一下 啊,思考一下就是我们为什么要有数据的整理与展示,这是我们下一个片子要去讲的,那我们为什么要去做啊?这个大家一定要明确啊,为什么要做好?我们先看一下啊,第一个两类哈,两类 case, 第一类我们追溯历史啊,有个叫南丁格尔梅格图,这个在我们上节课 第一次讨论部分就跟大家讲,我说我们这个图,我们在两种统计这部分会去讲的好,那他到底长什么样子呢?哎,这个样子可以看啊,这个图呢,其实是两个图,右边一个,左边一个,对不对?右边这个呢相当于是一八五四到一八五五,这个是,呃,一八五五到一 一八五六,所以这个是先发生的,这个是后发生。好。为什么会有两个图?他其实是中间在这个一八五五年这个时间节点,他采取了一个措施,那这样的话两个图就方便进行对比嘛, 你看学到了吧?第二个就是他整体的这个扇形的面积表示死亡的一个人数,那这个灰色的区域啊,这个是灰色的,灰色的区域表示非战争因素导致的死亡人数, 其余的区域非灰色的他表明是战争死亡的。所以大家可以看到,其实一开始的时候,一八五四年,一八五五年之前,这个这个土里面 灰色的部分是不是还是占比是比较高的?然后啊,这个红色的这些他们占比还是比较少的,说明在这个之前。呃,这个非战争因素死亡的人数很多。但是大家看左边这个图,在一八五五年之后, 这个时候呢,我们整个灰色的一个占比明显是要少的,大家可以看到没,这块你看这个已经占比很少,而且他整个那个面积也变少了,也就说明死亡的人数也变少了。第二个就是他的这个非战争这个死亡的人,然后比例也缩少,也减少了。 对,那这两个点,那是不是就说明我们中间的这个一八五五年采取的一个措施起到的作用其实就是改善了卫生状况,他扇形的面积见效了,而且灰色部分的面积占比也变少了。那他通过这两个图,这个南宁格尔, 他就向这个领导们去反映,说我们改善卫生非常有必要,因为那时候战场的环境,其实啊卫生条件非常糟糕,在在这个时候,在这个期间,所以南宁哥去了之后,他就改善了这个环境。但是可能一些 领导就不重视这个,是说,哎,你,你赶上这个环境干嘛?你就负责救死扶伤就好了,对吧?你把他们救好。但其实这个中间南宁哥他做了这个,整个他们团队就做了改善很多卫生的一个事情,那为了让领导觉得这个是很有必要,所以他通过这个图形,然后去展示, 你看这么一下,然后领导就采纳了说,哎,你这个这个东西有道理是不是?你看这三个点嘛,三个点去去说,而且有对比,有数据,而且可直化的形式,一目了然,对不对?哎,这个东西就是我们追溯历史,所以,所以这个就 有这么个情况。好,那我们放眼当下呢?哎,吴军老师的数学通知讲义就说啊,我们统计呢一一开始其实他是很多的一些数学啊,一些内容等等,对吧?那最后他为了让人更加容易理解,所以他其实是,呃,用了很多一些图表去展示,是不是?所以这是第一点, 第二个呢,计算机其实有一个方向叫可视分析啊,这个,这个,嗯,呃,因为我工作的原因,后来我,我就是聊聊有这个方向啊,有很多的一些硕士、博士,他们,哎,都在做这个方向,而且做出来结果非常漂亮的。嗯,像国内其实做的最好的应该是算浙大这边的那个团队了。 嗯啊,第三块就是很多公司单位其实都非常注重可视化,那这个大屏展示啊,如果是有一些比如说同学是工作之后,然后考验应该也明白,其实在单位中很多些领导特别关心,比如说做一些什么可视化呀,一些这个大屏展示啊等等啊,所以这个东西其实还是,嗯, 非常重要的,就是有的时候可能一进公司马上就一个大屏幕,是吧?然后那个就显示一些公司的一些重要的一些信息等等。我记得当时我去北京的一家这个公司是做那种 app 类的,那个里面的 s 欠那个 sdk 啊,就是他可以记录大家手机装了什么 app 啊,或者说这个 app 有多少人用啊等等。然后一进之后那个大屏展示的就是那个啊,那个不同 app 的一些日活啊、月活啊等等,那些数据看着非常直观啊,所,所以其实 这个东西就说明我们可视化是非常重要的。好,那我们来给大家看一下我们可视化的一些 demo 啊,这我们今天在那个 啊,我们的硕果群里面也给大家发了这个一些内容啊,那个就是在这个获奖名单里面我们摘了一个,然后放放过去的啊,还是很有意思的。然后这王者我也发群里了,然后大家就可以去再看一看啊,还是还是挺挺挺有意思的。好,我们看就是,可是发了一些呆萌,你看这是 入门的一个,就是什么叫交互式的,你看我点这个就没了,我再点一下,哎,这个折线点一下没,对不对?然后我 移到这个上面,他就可以显示,比如这个销售额,杨博山销售额是两千啊,这个就是你移到上面,他有对应的内容,然后你可点这个叫交交互,是吧?交互好,你看啊,再高级一点,那这个是城市自行车的一个通勤 啊,然后我们可以点一下运行,点下运行, 你看是不是很炫酷啊?就是这个城市的自行车的一个通行情况啊,然后你看再来一个这种轨迹的啊,轨迹动画。 好,我们再看一个最后一个很有意思的案例啊,这个就是 npc, 大家叫什么?就是全国人大啊,我们可以看一下我们这个,呃,全国人大的整个的一个画像, 这样哈,我们来看可以看一下,你看总共代表有两千九百七十五位哦,然后男性有两千多,女性有七百多 啊,这个这个就是对应的一个女性的一个比例哈。之前的啊,这个是一个,又是个,这是个什么图啊?是不是就是 调禁毒了啊?这个待会我们要去讲了,你看他就是说他很多一些优秀的一些图表,他其实都是融合了很多一些,呃呃,一些小的一些图表,所以这也就是我们待会要去讲的那些图表的一个重要性,是吧?如果你那些不知道,你怎么能组成一个很炫酷的图呢?对啊,这个是,嗯,就是那个 就是不同的民族,他的一个人数的一个占比嘛,你看汉族是最多的。嗯啊,然后这个就是不同的一个学历的一个情况,是吧? 片基地博士啊,然后还有一些这个硕士啊,对吧?还有本科的呀,等等啊,这个就是他们学的一些专业啊,这,这个科学化就特别漂亮是不是?你看这也是就是看这可交互的吧,你看移到上面,好, 这个具体就是说我们那个人大的一些报告里面,哎,发展这个词是用的是最多的。好,这个就是你看这刚才说了,好, 其实我们这些图表很多都是一些基础的图表衍生过来的,这是我们大家要去讲的哈。好,这个就是我们大家的一个可说话的一个一个呆默啊,还是还是比较炫的吧。好,那这个东西我在哪看 看到了啊,我当时是在读研期间的时候在那读研,然后我去北大光华蹭课啊,刚好是一位这个业界啊,还是非常有名也很厉害的一个老师,然后来去讲了 啊,可是画了一个 boss 课程,大概五五六次课吧,然后我就听了,然后啊,这个是他第一次课的一些节选的一些内容啊,啊,然后还是还是很有意思的,对不对? 所以我们在说我的课程中也会,就是把我们之前啊,就是觉得,哎,很有意思,很有一些启发性的内容啊,我们会给大家去讲一下这样的话, 嗯,他可能不会说占用大家很长时间,可能就几分钟,你看几分钟就讲完了,对吧?我们目的是拓宽大家的一个事业,而不是说让你现在去掌握,看那个图怎么画,那这个没有必要啊,但是大家可以看到哦,原来做的顶尖的,他们是做成这个 样子,你有一个目标,有个榜样了,那么你的学习是不是会更有动力一些?也许,可能,呃,大家最后真正去读研之后,后面你可选的方向其实很多的,没准可能因为今天这次课,那么你最后选了可视分析这个方向呢, 对吧?那我觉得,呃,那今天这个课也是很值了,对吧?呃,也就是还是一个拓拓宽视野的一个问题吧。嗯,大家,就, 对,就是就是,大概是这样子。好吧,就不用就是说觉得,哎呀,就让我刚那个东西我要怎么掌握?没必要啊,没必要。嗯, 好,那我们刚才看了那些,这个可是画了些 demo 之后啊,可以看到他其实有非常多的一些图表,还有很炫啊,但其实他本质上都是有很多一些基础图表去得到的,这也就是我们待会今天要去讲的这些。看哈,就是 品质数据的展示,数值数值数据的展示。比如这些图,什么条形图?刚才就看到吧,有条形图吧,刚才看到是不是也大概有饼图等等。

好,同学们好,欢迎大家来到生态学习网,今天我们来继续学习假音频的统计学,今天我们要学习的是第二章数据的搜集 啊,这张内容啊,一共包括这四大节内容,分别是数据的来源,调查数据,实验数据,还有数据的误差。其中第二部分调查数据是我们的一个重点内容, 那么通过本章的学习呢,我们要达到这样几个目标,首先是了解数据的来,数据的来源有哪些,这我们要知道,然后呢是掌握数据的一些调查方法, 那么前面经过我们的捣乱学习呢,我们知道呃,统计学呢,就是一门啊,搜集数据,整理数据,分析数据和解释数据的这样一个科学。那么第一步他统计研究的第一步呢,他就是进行数据的搜集, 那么数据的搜集呢,就包括数据的调查,数据的啊,实验等等,那么了解数据的调查方法,然后了解搜集数据的一些基本方法 啊,还有这部分内容调查方案中的结构和文卷设计啊。这人要提一点就是这张这一部分内容呢是新版的这教材当中没有的,我们这是我们给大家补充的,因为我们觉得这部分是统计学当中也是一个比较重要 要的内容。然后第五个我们要理解实验数据中的实验组和对照组啊,这个呢是有效题,像这这个这一部分内容是新版内容新加的, 这个一定要好好注意一下。第六是数据的误差,这个也是就是考试也是特别容易考的一些内容。 最后我们了解一下,好理解一下数据的质量要求有哪些?那我们来分别来看这些内容。第一节就是数据的来源 啊,这一部分呢包括三个小节,一个是数据的见解来源,一个是数据的直接来源,还有就是我们要了解一下统计的调查方式有哪些,看看数据的见解来源, 电解来源呢?这里定义给出来是原信息已经存在,我们呢只是对进行加工整理, 让他变成我们统一分析可以使用的数据,他有一个别称就叫做二手数据,这个这个概念可能大家都比较都呃,比较常听见吧,就是 就是二手数据,二手数据呢也是我们就是就是平常用的最多的数据。那么二手数据呢?它有这么多来源, 我们来分别来看啊。第一个就是比较最常见的就是我们统计部门还有政府部门,他们的出的一些公 公布的有关资料,包括各类年件,你像国家统计局每年都会公布一些。就是啊,中国统计年件现在都已经更新到啊,统计年间二零一二了,也就是对二零一一年的一些啊, 各个,呃各个部门的一些那个数据进行一个汇总,就是统计文件。然后其他的像那个商务部啊,上呃中国海关,像他们也是定期的一些公布一些,呃数据 啊。第二类呢来源就是通过各类的经济信息中心,还有信息咨询机构,还有专业的一些调查机构来提供数据。那么经济信息中 中心呢?那大家可能了解比较多的,听的也比较多的就是一个,一个是国家信息中心,他们呢专门做这个信息方面的一些搜集了,还有一些公布, 还有像那个啊,其他的,像国务院发展研究中心,他们也也会那些公布一些数据信息。信息咨询机构就比较多了,像那个啊, 呃,那个国外的,像那个 ac 尼尔森,还有像那个中国的,还有零点之类的,他们都是也是出一些研究报告,还有些 啊咨询报告,还有一些专业的调查机构,这个也是比较多。然后第三个来源呢,就是各类的专业期刊,还有 报纸书籍提供的资料。专业期刊呢,那个国家统计局呢,他也每个月都会出一些,比如说中国统计月报 啊,报纸呢,你像中国信息报,还有那个证券实报,主要公布一些就是证券方面的一些数据, 还有一些书籍,像同一年间,他也他有时候也会以那个书的形式来给提供。 那第四类呢,就是各种会议,比如说博览会、展销会,还有交易会等这些啊,还有这些专业性的,学制性的研讨会,像这些会议上呢,他们也会有有的一些比较知名的学者,或者是政府的一些官员呢,都会带着 会议上面也会公布一些数据,那这些数据呢,我们也可以就是直接可以借鉴,也是比较权威的。那么第五个就是从互联网还有图书馆查阅到的相关资料,这个可能我们 就是在高校的话,就是用的也是最多的,像互联网,像那个中国国家统计局的网站上, 还有其他那些商务部的网站上的,还有其他的,你像那个啊,百度文库之类的,嗯,自纳经济论坛,还有一些啊,经济学家之类的,像这些 这些网站上都会也有一些数据,然后我们可以直接去下载下来,然后可以做研究,可以,然后还有图书馆, 图书馆啊,那些高校也会有一些那个统计方面的资料。 那么像上面这类呢,这么这么多呢,一般都是叫做可以全都称为就是来自系统外部的。还有一个呢就叫各类的业务资料, 他是就是可以他单独可以称作是就是来自系统内部的,也就是说这这大多数呢都是 就是公共可以使用的,都已经全都公布到啊外部。然后这个业务资料呢啊,一般来说都是比如说每个公司啊,每个啊,他们的机构他们自己的资料啊,所以叫做 内部资料,比如说有些那个啊,会计报表啦,像那个销售的销售额的变动情况等等,他们每个公司都会有这些,这也是因为二二数数据吧 啊,需要注意的一点呢,就是我们在引用二手数据的时候一定要注明数据的来源 啊,这个一定要注意,就是现在啊很多搞科研,还有搞一些其他的一些研究的方面的,他们的使用二手数据呢,都不注明来源,这也是一个非常不好的习惯,因为你不注明二手来源啊,还以为是你自己的, 那你这样也是对他人的劳动果实的一种不尊重。 那么我们来看一下,就是二手数据呢,他有哪些特点?首先呢第一个特点就是他肯定是收集比较容易啊,采集成本也比较低,这个尤其在现在特别体现出来,就是在特别在互联网上,我们可以 直接去下载下来,然后直接可以使用,所以这个成本特别低,相对于那个我们直接调查还有实验来说, 那么第二呢,它的作用是非常广泛的,所以我们使用二手数据啊, 我们可以对我们分析啊,我们主要研究的问题呢,可以有帮助,就是他们的这个二手数据啊,他们引用的啊,我们借鉴的时候,他们都有一个呃 数据的一个解释啊之类的,所以我们分析的时候啊,都会对我们就是之间有一种帮助,还有一些提供研究问题的一个背景 研究的,呃,这些数据呢,都是有一些特殊的背景的,然后也是有助于我们了解这个数据怎么来的,还有就是帮助研究者更好的一个定义一个问题 啊,比如说有时候呢,我们就是啊研究啊,一个国家的经济规模啊,是用呃国民总收入呢,还是用国内生产总值呢 啊,就是我们通过引用他们的二手数据呢,可以很好的就是去了解这个问题,然后更好的定位这个问题。 对,还有就是检验和回答某些疑问和假设,这个也是通过引用他们的数据啊,我们看他们的数据的来源之类的,就是可以知道有些疑问就可以呃,我们看这数据就能知道他们是怎么来的, 最后就是还可以寻找研究问题的思路和途径,这也是比较容易理解的。 那么正因为有这么多特点呢,所以在那个我们在收集二手书资料呢, 在研究当中我们是应该优先考虑的,因为他成本比较低,会那个,而且呢如果是啊,而且特别是那些权威资料呢,我们都不不需要去考虑他的 就是来源什么有问题了之类的,没有这么多事,我们直接可以拿上来用,而且省了很多麻烦。 那么但是呢,使用二手数据的时候一定要注意几个问题,那就是数据呢, 这几个问题,第一个就是数据的来源问题,这个数据是谁来谁谁提供的啊?他如果是一些小机构提供的,还是他还是一些那个政府部门权威的政府部门提供的, 那么相对一些那个小机构呢?政府的部门啊,给我们来说是那个可信度更高一些,所以我们就是说能用更权威的,我们就不用那些小 机构的。第二个呢,它是为什么目的而收集的?那么有些数据呢,你像特别是现在啊,现在的有些就是啊,企业呢,为了 ipo 就是上市嘛, 会找一些专门的助派部门去给他们叫什么,就就是其实就是捏掌数据, 那这些数据呢,我们就是可信度我觉得不是很高,就是他们呢,就是也是为了谋利,因为上市之后利益很大,为了谋利谋取那么大的利益,所以这种数据最好不要用。就 还有就是数据是怎么收集的,这个也是影响数 准确性的一个特别重要的方面。你像数据呢,后边我们会讲到数据的收集方式呢,有很多种,比如说有概率抽样,还有非概率抽样,那么相对于非概率抽样来说呢,那个概率抽样的准确性应该是更高的。 还有就是数据的一个及时性问题是他是什么时候收集的,我们在研究一个问题的时候啊, 比如说现在研究啊,要知道现在的那个啊,人民的生活水平如何,拿一个八十年代的数据,那肯定是不行,那么这是这一小节内容,然后我们来看数据的直接来源, 直接来源的数据呢?这定义也给你说就是通过自己的调查或者实验直接获得 的数据,那么他我们在平常也有个比听到比较多的一个别称,就是有的人都叫他的是原始数据或者是一手数据,一手数据呢就是相对于间接来源的数据,就是二手数据来说的,这就是通过自己的调查或实验, 我们看看原始数据的分类,原始数据呢,刚才也提到了,他是通过调查和实验, 那么所以就可以把他们分成一类是调查数据,还有一类是实验数据。那么调查数据呢,就是通过调查方法来获得数据,那么他通常是针对一些社会现象, 比如说我们,对啊,一个高校的大学生消费状况,比如说使用 手机的状况啊,进行一个调查,那么就啊同一些高校的我们啊,找一些学生,我们对他们进行一些问卷调查,这就是因为调查数据,那么他们通常是取自一个有限东西, 比如说刚才提到的那个大学生消费状况,那么全国的学生肯定是有限的数量。 呃,第二类就是实验数据,那顾名思义实验数据就是我们是通过实验方法,那这个数据, 那么他通常是针对自然现象,那比如说我们要知道一个新的饮料的配方如何?或者是一种, 嗯啊,农作物培育的新品种,那么它是不是可以给我们带来更多的产量?那么这时候呢?我们通常就是通过做一些实验, 那么他也广泛的运用到一些社会科学中,比如说心理学、教育学、社会学、经济学和管理学, 那么这个也是比较容易理解,特别是心理学。那么数据的直接来源呢?相对来说是那个 后边我们会详细的介绍,所以这里就不再展开了。那么第三节内容,第三小节呢是统计的调查方式。统计调查方式呢?它主要有这么三种,一类是普查。

各位同学,大家好啊,我是说我计划坤学长,今天我们将进行统计学第七章参数古迹部分的内容。我们首先呢来看一下我们的一个思维导图, 参数估计部分的话,我们大概讲的内容呢分为这四大块。首先是一些基础的概念的介绍啊,比如说啊,这个,这个都是一对的,一对一对的概念就是估计量和估计值啊,点估计和区间估计 那,呃,这个时候呢,就是说因为涉及到我们可能啊这个点估计,他对应到的有很多种不同的一些方法,那也就意味着 我们对于一个总体的未知参数的一个估计啊,他有非常多的一些统计量,有不同的统计量都可以去估计他,这时候我们就要看到底哪个更好,所以我们有了这个评价估计量的标准啊,有无偏有效一致。所以大家这个 看课本上,哎,有这个章节,你要明白他为什么要有这个章节,对不对?你要先有一个,有一个知识体系的一个框架在里面,不然的话你这个复习起来最后发现,哎,这是一块内容,那是一块内容,你这个 就会一头乱麻,抓不住这个整个的一个一个一条一条轴,是吧?一个框架, 呃,第二块呢就是我们,嗯,了解了这些基础概念之后,好,那我们实际的去进行这个一个总体的和两个总体的,他这个参数的区间估计。这一块呢重点内容是什么?就是不同的这个场景下, 以及不同的条件下应该使用什么统计量啊?什么叫场景场景就是对总体君子的估计啊,还是比例啊?还是方差呀? 这个意思不同条件又是什么意思呢?你看,所以这个不同情况我觉得可以是这样的,应该是叫不同场景加不同条件, 不同的条件的意思就是这种,哎呀,是大人们还是小人们啊?总体方差是已知还是未知呀?哎,这些他对应到的是用什么总价?你看 我这个地方呢,我用红色标注出来了,梯啊,用梯分布也是用梯筒这样的,你看是这两种情况, 这个是重点的啊,但是其他也很重要,只是说这个东西他是特殊的啊,所以我们给他标出来了,你看,哎,就就这这样的一个,就分别用什么?这我们待会要去详细讲啊。最后一块呢,也就是说我们样本来的确定,我们对这个总体做一个估计的时候,总体的某一个参数做估计,那我给 肯定是抽样去实现的,那我到底抽多少样本呢?哎,对吧?这这这个部分是回答这个问题,所以你看,其实这个章节的体系是非常完善和完整的啊,逻辑非常清晰, 大家现在应该明白了哈,先有一些基本的概念,然后就是分别去一个总体和两个总体的一个估计,最后就是我到底估计的时候,我应该用多少的样本量啊?所以这个大概是我们首先对这一张的啊思维导图做的一个介绍。 好,下一页。那刚说制性区间啊,前面说大家这个定义,我们再重申一下,他就是说由样本统计量 所构造的总体参数的故意区间。你看像我们同样,比如说我们是用要么均值啊来去构造了所构造的总体参数是不是没有 要估计,没有。然后他的区间我们后面可能用的最多的一个例子是这个例子, x 八加减 z 二分之二法 c 码除以根号 n。 啊,这个呢?是啊,我们后面举例用的最多的,大家可以看到课本上就用的这个举例子,对不对?他其实就是对总体均值的一个估计啊,他是适用于什么情况呢?在这个里面对总体均值估计是 总体方差已知的时候啊,所以用用用这个 c 嘛,那如果位置用 s 啊,是大样本情况下,或者说是小样本,总体方差已知也行,就这两种情况下呢啊,就是这个是举例举的最多的,所以就可以看到,那你看,我们也可以用这个来, 这东西是不是就是 x spa, 基于 x spa 他这个点估计值,然后,哎,我们去啊,得到了一个区间,也就是说我们对总体均值的一个估计的话, 我们,呃,首先做点古机,就是用样本就是来去考虑了啊,但这时候我们还要对他整个的一个就是,嗯, 可靠性的一个度量嘛,所以我们就用区间估计,然后是有了后面这个东西好,但是后面这个东西是怎么来的啊?这个我们会在这个部分啊,这一块,这一块和这一块会去讲啊,大家不要着急,你先默认接受这个东西好,然后呢?他说 同学啊,在某种程度上确信这个区间会包含真正的总体参数,所以给他取名为制性区间啊,所以这个意思制性区间 就我相信他,哎,总体参数就会在这个区间里面,这是这意思啊,是这意思,我说这个区间会包含总体参数,那他说第三个是说用具体样本构造区间是一个特定的区间。对啊,你比如说我,我理论上是这样的,我如果实实际抽个样本,我是不是可能得出来一个区间是十到十五, 对吧?那这个时候是不是就是一个特定的区间了?就很很很确定吧。那这时候他说我们无法知道这个区间是否包含总体参数增值。哎,说这学长这个怎么这么绕啊?上面又说会会确信会包含,怎么又说无法知道包不包含了? 好,这是我们大家就讲现在要讲的啊,就是他说我们只能希望这个区间是大量的包含这个区间中的某一个啊,但是他也有可能是其中的不包含的一个。那个区间。好,然后他 他就说总体参数以一定的概率坐在这个区间的表示是错误的,这都是啥呀?是吧?那也就是说如果我说总体均值以百分之九十五,这是百分之九十五,直径区间 落入这个区间的概率是百分之九十五,这话是错的啊,这话是错的。为什么呢?就是我们在啊,假如同学这本书上啊,还包括其他的一些版本的教材吧,大部分都是这样的,就是他是频率学派。频率学派什么意思呢?就是总体参数他是未知的, 他记着这个词啊,就总体参数他是未知的,但是他又是确定的。 接着答, g x 在未知加确定,这个就是在频率学派所认为的这个时候,就是啊,总体参数它是未知,但是它又是确定的,所以这个时候 他就不会说是以多大的概率在这个圈里面,就是说因为我们确定知道啊,只不过他是未知的,但是他确定的,比如他确定他就是十三,假如说哈,哎,那他是不是就在这个区间?如果他确定的值,如果是十七,那他是不是就不在这个区间? 就说,大家明白吧。所以他其实要么在,就是说实际我抽一个样得到一个区间之后,那么总体参数他要么在这个里面,要么不在。好,大家先明确这个点,这个点大家能听懂吗? 就是我根据一个实际的样本算出来了一个结果之后算出来一个区间。好,这个时候总体参数的增值,由于他是未知的确定的,所以他其实要么在这个区间,要么不在。好,这句话听懂的同学打个一,嗯, 听懂了啊,这个东西很关键的,很关键的,不然这个东西就弄混了啊,就说首先要把一些基本的东东西弄懂,好,很好。行,这个点大家先明白啊,先明白哦,然后你可以再记一句话,就是在这个,嗯,贝斯学派责任为 总体参数,它是一个随机变量, 这是贝斯雪白认为,大家做个补充就好了。就是贝斯雪白认为 他 ok, 是一个随机变量,那这个时候他就可以说是以某一个概率落在这个里面啊。但是这个考研,嗯,就是说,呃,当然具体每个院校考不好,但是大家看这个降维的部分是吧?嗯,但是大家主要掌握刚才前面说这个 平均雪白啊,就好了。行,大家记住这个点就好啊。还有一种情况是叫 b a 四雪白,好,我们继续来看哈, 刚才说那个问题,我们到底应该怎么去理解,是吧?听着好像有点拗口啊,又说有一定的这个概率是在这个里面,然后又说我实际抽一样之后,他要么在,要么不在, 对吧?好,那我们再来把这个水搅的更浑一点啊,对吧?他说百分之九十五的征信区间,哎,他说 啊,课本上那个例子是重复构造了关于总体均值的二十个志愿区间,最后是有十九个包含了争执,对不对?这个区间是不包含的,你看这个区间最后这个缪缪是不是横着这个,他是不是不在这个区间里面?其他的构造的这个区间是不是都在?好, 哎,你看是不是刚好是百分之九十五吧?是百分之九十五之间报案总体参数,哎,五个不完,百分之五不完。好,那我们来问大家,大家觉得一定是刚好是十九个吗?会不会是十八个,十七个呢? 会不会呢?哎,大家带这个问题啊,考虑,你看是不是把这个水又搅得更浑了?刚才只是说啊,这个区间它这个 要么,呃,百分之九十五这个,嗯,他就是说刚才的纠结的问题是到底能不能说,对吧?这个区间啊,我们是不是以什么概率包含总裁入增值, 然后又说我实际抽个样得到一个区间之后,哎,他们要么包含政治,要么不包含,现在又说这个九十五到底是不是确定的?也就是说我到底假如说 构造一百个区间,是不是九十五个区间就肯定有增值,五个没有呢?把这个九十五是不是确定的, 那是不是越来越有意思了?好,那我们再把这个特别特别容易混淆的问题,我们再来描述一下啊,以这个典型的真题来给大家做一个呈现。我们现在看上面这一题,他说百分之九十五知性水平的区间估计中,百分之九十五的知性水平指的是什么? 我们先看上面这题啊,大家先不要管下面一题,那么来问大家,上面这题大家觉得 a、 b、 c、 d 应该选什么? 哎啊,这个 a、 b、 c、 d, 大家觉得应该选什么? a 说总体参数落在一个特定的样本所构造圈的概率是等人求助。 b, 百分之五 c 是说在用不同的样本构造总参数多圈中包含总参数的区间比例百分之九十五,再个是约为,你看啊,一个是约为百分之十五,一个是为百分之十五,应该选哪个呢? 好,恭喜大家成功被我带到坑里了啊,成功带到坑里了,呃,我可以这么讲啊,市面上有很多一些别的这个机构, 这两道典型的真题,他们答案都弄错了啊啊,那我们来跟大家讲一下,到底应该是什么样的啊?很多人也觉得这题答案是 d 啊,不是 d, 嘿,不是 d 啊,所以我还下面还有一道题对照了啊, 待会儿会用拍子去模拟啊,会用拍子去模拟好这个题答案。首先是 c, 为什么是 c 啊?为什么是 c? 这个题他讲的是方法, 方法,方法是什么意思?方法就是说他就是这么定义的,大家明白吧?他就是这么定义的。 百分之九十五直径区间是什么意思啊?他就是说我构造了很多直径区间,然后包含总体参数比例就是有百分之九十五,你看这个前面他就是这么讲的,你看这就是他的定义, 你看就是,你看将勾到针圈,不是同多很多次,那针圈包含中的参数,针织的比例就是针织的水平,那就百分之九十五针针圈吗?不就这意思吗?对不对?这是他的定义 i, 所以这一题选 c 没有问题啊,他这个是问的是方法,那么问的他的定义好。 这第一题好,大家如果内心有千万般的疑惑,好,先收起心中的疑惑,我们来看下面一题,待会后面会一起解答啊。这个题他说他是这个,嗯, cdlcl 优势,零点 cd 的零点九五直径之间。下列说法正确的是什么?好, a、 b、 c、 d, 大家觉得应该是什么? 大家觉得这题应该选什么?这题其实答案应该还是比较明显的啊,只不过有个干扰项是我要重点去讲的。 这题答案大家有了吗? a 说零点九五真宣是唯一的, 怎么可能唯一吗?是吧,我抽不同的这个样本,那构造出来区间肯定是有差异的呀。陛下说这个区间是随机区间啊,什么意思?大家怎么不敢回答了?随机区间的意思是 我用这个不同的样本构造出来区间,他可能有一些差异,对呀,就是这样,没有问题,所以答案是 b 啊,这题答案是 b, 这是很简单的,所以说一次车样后,样本数据得到这个区间包含增值的概率,哎,这个是不对的,这个刚才我们跟大家说过了,我说首先明确那个概念,就是我们 一次抽象之后会得到一个具体的区间,由于频率学派认为总体参数他是未知的确定的,所以他要么在这个区间里面,要么不在对不对,他不存在以多大概率的问题。好,所以 c 是错的,这是很典型的一个错误, 大家觉得吧,很典型,做好第一下啊,这是我特别想讲的,这是非常大的干扰项,说如果重复抽一百次,那么所得的啊,一千次所得一千个区间一定有,一定看到没有,一定有九百五十个区间包含增值 c 的。 好,有同学可能心里有有嘀咕,说学长这个地方,因为这题答案是 b, 想确定那 d 肯定是错的啊,心里肯定有嘀咕,是不是说学长,哎,上面你不就说这个就是哎为百分之九十五吗?下面他说就是就是这样的,你怎么又说错了呢? 是不是担心你是不是有小小的脑袋大大的问号?好,来给大家解析一下。地上他这个是重复抽一千次,这个东西他是落实到了具体的一个抽样,上面就具体在实施的 阶段了,那这个时候他就可能会有一些误差。什么意思?我们来看啊,上面大家记住一个上面的方法,下面是我们具体一个抽样 啊,我这里也说了,就如果从方法的角度来讲,百分之九十五针圈就是重复构造多个区间,然后有九十五,百分之九十五个是包含的总体参数,针值百分之五不包含,这就是他是这么定义的, 他方法就是这样的,明白吧? ok, 这第一点,第二点也就是对应刚才那个整体啊。第二点,如果说是实际进行估计的过程中, 就我现在真的抽样,我来去估计了,那我这时候构造了有一百个证据烟,那么最后不一定啊,大家记住不一定是九十五个包含增值五个不包含,他是大约大约有九十五个,也可能是九十四个, 百分之九十三个啊,或者说其余的情况,因为实际估计可能有误差在里面啊。大家去看课本上,他是不是也说呢,约有九十五个区间包含总体增值均值,他课上说的是也是我用这个构造这个区间一百次啊,约有九十五个区间包含总体均值, 看明白了没有?就是从方法的角度, ok, 他就是很严谨的,他就是为百分之九十五,就是很严谨,没有约的问题。但是我们实际的去做抽样的时候, 那么他就是约了啊,他就是约了。好,那可能大家听起来说学上,这可能从方法,从定义他就这么,那我很理解,那这个为什么又是约呢?对吧?他,他为什么不是确定的呢?好,我们通过拍子来模拟啊,大家可以看一下,我们整个 模拟思路是这样的啊,我们尝试构造一千个指引区间,然后我们看总体均值在多少个区间里面,比例是多少哇?是不是百分之九十五?对,好,这是单次结果,然后我们把这个过程重复一百次啊,我们看这个比例是不是都一致的,我们来看一下啊,你看 我们这个呢,就是以这筛子为例,这筛子的话,你看我们的分布是不是一到六各自的概率都是六分之一,这一个均匀的筛子啊?那这时候他对应的期望是不是三点五?期望也就是我们取值成概率加起来, 是吧?哎,他这个就是三点五,好,接下来我们模拟,是不是就是说我们模拟这筛子,然后我们去算他的一个这个嗯,均值啊,看, 嗯,构造出这个均值的,这个就是直行区间来,然后看三点五在不在我们这个区间里面,对吧?哎,这就是我们的一个过程,模拟的过程。好,然后我们啊去 构造这个一千个直径区间啊,然后看到底有多少个,哎,这个三点五,这个在这个区间里面,好,然后我们来看啊, 我们这个每一千次可以看到啊,这个 rate 就是我们构造一千个居制定区间,说这个,这是个区间,这是个区间,这是个区间,对吧?这个区间,然后看,哎,三点五 到底有多少个在这个里面,是吧?然后再除以一千,这样是不是就可以得到一个比例,是吧?哎,这个也就是我们瑞特中的单独的一个值,你看有的我们就是算出来,哎,就是零点九五,刚好,哎,当然有, 你看算这是零点九四,是不是?哎,这个就是表明的零点九五,表明我们是一次啊,然后这个整个 read 呢?它里面是有一百个值,你看一百个值,这一百个值也表明的是我们啊,就是啊重复一进个一百次, 然后我们来看看这个里面每个值是不是都一样的,哎,你看这个两个,你看是不是有零点九四,零点九五,零点九四,这个是什么意思啊?就表明这一次实验中我们也是构造了有一千个知音区间,但是这个里面只有九百四十个区间,它是包含总体参数的增值的, 另外六十个不拔,所以他就不是严谨的九百五十个,对不对?哎,这是我们实际通过模拟就可以看到,他就是这样,他实际中他可能存在一些这个误差吗?你看还有别的,你看还有零点三九六的啊,零点九三六的,是不是啊? 还有这个零点九六的,还零点九六也有,他不是都是零点九五吧?但有没有零点九五?有啊?而且他你看就是我们这个 ppt 也有了,他就是围绕这个百分之九十五在波动,知道吧?他只是说大约有百分之九十五区间包含总体参数的增值。 哎,是这个看明白了没有?就是我们再重申一下两点,如果从一个方法的角度来讲,百分之九十五之间就是我们重复构造多个,最后有百分之九十五先包含,百分之五不包含,这是他们定义的是这个方法。 但如果我们实际进行估计的过程中啊,我们构造了一百个直径区间,那么就是最后是约有九十五个包含,他不是说很明确的就是九十五个包含,五个不包含,这个答案一定要明确。你看对于到这两个真题,也就是你看第一 这个题就是 c 项啊,他就是九十五,下面这个题呢,重复一千次抽样,那么他不一定就是九百五十圈,你看没有?刚才我们通过模拟发现有的是九百六十个,有的是九百四十个,对不对?他不一定刚好是九百五十个的 啊,所以这么说大家明白了吗?这个问题还是有点绕的啊。网易同学这个听的明明就是就是之前我没系统讲的,他们都都觉得,哎,这个到底是啥啊?听懂,同学打六六六, 听懂了哈。行,我再再重申一遍啊,我再把这个逻辑再给大家再领一遍。 就是说,呃,因为点估计存在他的问题,所以我们才有了区间估计是吧?然后区间估计,区间估计里面呢?他有很重要的一个概念,叫百分之九十五的一个知音区间,对吧?他有什么意思?这个东西在方法的角度来说, 他的意思就是我重复构造多个区间,然后有百分之九十五的证券,他包含总体参数的增值,百分之五不包含好,这是从方法的角度来讲,他是这么去理解好。但是如果我们在实际进行估计的过程中, 实际音估计的过程中,这时候我们是会得到一个很明确的一个区间的,对不对?那么这个区间他要么包含总体参数的增值,要么不包含,他不存在以多大概率包含的一个问题,因为总体参数他是未知的 加确定的。同时如果我们构造了多个制性区间,那么他最后不一定就完全是百分之九十五的区间是包含总体参数。政治百分之五不包含,因为我们在实际的估计过程中,他可能会存在一些误差, 把这个刚才给大家通过模拟也就可以看到,那他不一定刚好就是啊,比如说一百个就有,九十五个的没有,是不是? 大家看课本上的概念也是说约有,所以一定要明确啊,然后这样整个就讲完了啊,对应到了两道这个典型的真题,哎,也给大家这个列出来了啊,大家可以适当去去做一些记录,是吧?好, 这个这么说应该说明白了哈,就是这些核心问题啊,大家弄清楚理理顺了,哎,就好了。


哈喽,各位同学大家好,今天给大家讲一下东财四三二应用统计的相关内容, 大家可以看一下我们今天的目录。今天的内容总共分三个部分,第一个部分是东财四三二应用统计考勤,在这个地方我们主要介绍一下咱们的参考数目,历年复试分数线等等。 第二个部分呢是东财四三二应用统计就业,我们来看一下以往的学长学姐们的就业方向是什么。 第三个部分接呃讲述一下四三二应用统计的参考书目里面的一小节内容,给大家来试听一下。那接下来我们进入第一部分,东财四三二应用统计考勤。 那刚才总共分两个学院去招收,第一个学院是统计学院,招收一百三十个人,其中在这一百三十个人当中呢,在考试大纲里面 会有一个括号六,这个括号六就代表是推免人数,也就是统计学院这边会有一百二十多个名额可以供供大家去考。然后国际商学院这边是招收二十个人, 也就是如果说你要报考应用统计,那么你既可以选择统计学院,也可以选择国际商学院。 原则上来说呢,是支持校内调剂的,曾经就出现过这种情况,有的同学帮了统计学院,但是没有进复式,或者是进复式被刷了之后,可以参与国际商学 院的调剂。但是目前来看呢,国际商学院这两年的报名人数也是足够的,嗯,不需要再接收调剂。但总而言之呢,一百五十个名额相对来说是一个招生大院了,比较容易上岸。 第二个是复试分数线,二零二一年的时候是三百六十三分,二零二二年的时候是三百八十一分,在刚刚过去的二三考研当中,受疫情的影响,这一年的 国家线都有所下降,咱们这种监管类的,比如应用统计啊,这些 是国家建就是三百四十六分,那我们的复试线也是两个学员的复试分数线都是三百四十六分,大家可以根据以往三年的复试分数线来给自己定一个目标,那比如说三百 八呀,三百九啊,然后在具体的细分到各个科目上面,有一个努力的方向。那第三个是参考书目,咱东才参考书有两本,第一本是贾俊平的统计学,第七本, 那第二本是毛世松的概率论语,数理统计,第三本,这两本书大家不要买错,一定要看好出版社才可以, 具体的大家可以到咱们嗯东财的研究生院的官网去去找一下二三年的考试大纲就可以,这几年参考数一直都很稳定,没有变过。 嗯,除此之外呢,我们在复试的时候也是考的这两本书,所以说就考生个人而言呢,能够减轻很大的复习压力。第 四个咱们就刚刚考过的真题,来跟大家说一下咱们的考试题型,我们考试考试题目呢,共有四大道题,第一题是名词解释,共有八个题,每道题是三分, 他会考的题就是让你解释一下啊,简短的专业名词,比如说呢,自由度、统计学、统计量参数等等, 都是一些比较简短的。第二题是简答题,总共有六道题,每一道题是 六分,这个题型的概括性稍微就会强一些,比如说相关系数的特点及其性质这样的题。那第三个题就是论述题,论述题总共是两道题,每一个题呢是十五分, 论述体的概括性会比较的强,增值比较高。比如说呢,概率抽央的特点及其分类,你既要答特点,还要答分类, 并且在分类的时候,如果有同学看过课本,你可以知道概率抽一样的分类,我们在课本上他分了五种。 第四个呢就是计算题,计算题一共有六道题,每个题是十分。那以上就是咱们东财应用统计的考勤, 就是总而言之才的统计在全国来说比较靠前的,在上一次学歌评估当中,他是 a 减, a 减就是百分之五到百分之十的位置,是比较靠前的。另外就是咱们招收人数比较多,所以对考生而言呢是一个比较不错的选择。 下一个呢就来给大家说一下东财四十二应用统计的就业,我们可以通过看一下以往的学长学姐学姐们去的地方,来看一下我们未来的就业方向有什么 我们呢?学习应用统计最对口的一个职位就是数据分析师,目前已经有很多的,呃,学长学姐去到一些头部的互联网公司,有华为啊,字节啊,小米啊,快手等等, 这是一个去向。另外第二个去向就是去银行,包括一些四大行或者是股份制商业银行都有。第三个就是体制内了,大家不管是什么专业,还是一个什么学历,都会有人去报考,公务员, 事业兵啊,辅导员等等,剩下的还有一些呃,其他的人去从事其他的行业或者是其他的工作了, 通过给大家介绍就业,大家可以看一下,嗯,你未来想做什么?如果说这里面有你想去的一些公司或者说是职位, 那你可以来考虑去考东财的应用统计。另外一方面呢,就是在刚刚所说的这几类当中,尤其是在互联网公司,我们有很多的学长学姐,不管你是在实习还是在春招秋招去找正式工作的时候,你都是有人脉的。 有的同学可能投简历的时候会遇到一个内推码,这个内推码你就可以去找学长学姐要, 那通过这个形式是更能快速地让 hr 接收到你的简历,所以说这是一个非常非常好的人脉。我们来看第三部分,这个部分给大家讲一小节课,咱们就以统计学第四章数据的概括性度量为例。 那我们讲数据的分布特征呢?主要是从三个方面进行测读。第一个方面是分布的集中趋势, 他能反映各数据向其中心值靠拢或者聚集的程度。第二个呢是分布的零散程度,他能够反映各数据远离其中心值的趋势。 然后第三个分布的形状,它能够反映数据分布的偏态或者是分态,可以用 偏态系数和风态系数来反映。那我们接着往下看,在我们学习集中趋势度量、理想程度度量还有分布的形状之前, 我们需要再回顾一下之前所学的三类数据。在第二章的时候,我们学习过数据的分类,那按照计量尺度分数据是可以分为分类数据、顺序数据和数值型数据。 分类数据他是只能归于某一类别的,非数字型数据他是对事物进行分类的,结果结果表现为类别。就比如人口可以按性别可以划分为男和女两类, 企业呢,按行业属性就可以分为医药啊、家电啊等等。所以说你看分类数据,它是有 一个类别,并且这个类别是用文字来表达的。接着我们再来看一下顺序数据,顺序数据是只能归于某一有序类别的,非数字型数据 看他也是有类别,对吧?只不过这个类别是有顺序的。此外他也是文字型的, 比如说将产品划分为一等品、二等品、三等品和次品,考试成绩分为优良、中及格不及格这样的。那我们学完了分类数据和顺序数据来总结一下,就是这两类数据,分类结果都是有类别的,只不过呢, 分类数据它是类别,没有顺序之分,顺序数据它的类别是有顺序之分的。那第三个 竖直型数据,也是我们平常当平常啊遇到最多的数据,就比如说咱们的考研成绩 等等啊,他是按照数字尺度测量的观察值,结果表现为具体的数值。我们在复习完数据的分类之后,我们就来看一下,根据分类数据,顺序数据和数值型数据,分别来看一下他们集中趋势的度量。 分类数据集中趋势的度量我们主要用到的就是重数,重数是一组数据中出现最多的变量值,用 m 零来表示。 重数呢,它只有在数据量比较多的时候才有意义。比如说这个地方,给大家介绍一个例题, 来感受一下中书的概念。那沈同学调查了五百位同学,喜欢奶茶的有二百八十八位,喜欢可乐的有一百位,剩下的都喜欢雪碧。问你 m 零是什么? 这个地方给大家留一分钟的时间,大家来思考一下。 好,这个地方不再等大家了。这里的 m 零呢,是奶茶,是不是有屏幕前的同学以为这个 m 零是二百八十八? 在这个地方呢,我们关注的是饮料类型,饮料类型他有奶茶、可乐,还有雪碧,他是一个分类数据,分类数据的结果表现为 类别,所以 m 零它一定是一个类别,而不是一个数据。那这里的 m 零等于奶茶,它的平数才是二百八十八。我们学习重数的时候,还要注意下面几点, 重数是位置代表值,它不受数据中极端值的影响。第二呢,是从分布的角度来看,重数是具有明显集中趋势的数值,一组数据分布的最高峰就是对应的重数。大家可以看到右面这个 a、 b、 c、 d 最高值就是中数,那中数可能不存在,也可能有一个两个。不唯一。 a 图和 b 图是有一个, c 图是有两个, d 图是无中数,这个也是中数的缺点。你看它作为一个代表值,它又不唯一, 这个其实是不太好的。那我们这样就学习完了,种树,种树呢,它主要是作为分类数据集中趋势的侧度值。此外呢, 它可以当做我们接下来要学的顺序数据和数字型数据集中趋势的测度值,也就是这三类数据,它都是完全适用的,主要是作为分类数据集中趋势的测度值。 我们接着往下看顺序,数据集中趋势的度量用到的是中位数和分位数。中位数相信大家都不陌生,它就是一组数据排序后处于中间位置上的变量值,用 m e 来表示。 我们在计算重数的时候,第一步是将数据排序来确定中位数的位置, 我们可以采用公式二分之 n 加一来计算出中位数的位置。第二步再代入公式。呃,如果说呢, 这一组数据总共是有偶数个,那么中间就有两个对不对?中间这两个加起来除以二就是中数。如果说这组数据是基数个,那么最中间的这一个就是中尾数。 学完了中位数,我们再来看一下四分位数。四分位数呢,它是一组数据排序后处于百分之二十五位置, 还有百分之七十五位位置上的纸,分别称为下次分尾数和上次分尾数。那怎么去计算呢?我们可以通过下面这个立体来看一下,那计算 一千五、七百五、七百八,还有一千零八十八百五、九百六,两千一千二百五,一千六百三十的四分位数,这一共是九个数据。第一步我们来排序来确定一下四分位数的位置, 那排序后大家看一下屏幕,那一共是九个数,四分之 n 就可以确定下次分位数的位置,得到二点二五, 四分之三 n 就得到上次分位数的位置,是六点七五。什么意思呢?就意味着下次分位数它是介于第二个数据和第三个数据之间的之间的。什么位置上呢?百分之二十五的位置上, 上次分位数是介于第六个数据和第七个数据的中间,中间什么位置上呢?百分之七数 位的位置上,那来计算的话,下次分位数就是第二个数七百八,然后加上第三个减第二个的百分之二十五位置上,最后得到七百九十七点五。 下次上次分位数呢,就是第六个一二三四五六,就是一千二百五十,再加上第七个和第六个之间的百分之七十五的位置,最后就得到一千四百三十七点五。这个是四分位数的计算,相信大家都已经学会了。 那还有注意的一个点,就是我们学的这个四分位数,它是做顺序数据集中趋势的测度值。此外呢,它也适用于后面即将要学的 数值型数据,但是他不能测度分类数据。我们再接着看第三类数值型数据集中趋势的度量。这个地方主要用的是平均数,平均数有两种, 总的来说呢,它是有算数平均和几何平均两种。在算数平均里面呢,又分了两种,一种是简单平均,另外一种是加权平均。 简单平均就是把所有的数值加起来,再除以总数 n 就可以。那分组数据呢?大家重点来看一下这个公式, 在考试的时候,我们如果要计算分组数据的加券平均式的数的时候,记得要列一个表格。同时呢,这第二 第二类也是我们考试当中非常爱考的一个平均数。接着我们再来往下看 几何平均数,是 n 个变量值乘积的 n 次方根。这个地方呢,什么时候用?其实用的不太多,主要用途就是计算平均比率、平均增长率。在咱们第十三章学习时间序列分析的时候会用到, 那我们这样就学习了三三类数据的集中趋势的度量, 给大家总结一下的话,就是分类数据主要用重数,重数呢,也可以作为顺序数据和树脂型数据集中趋势的侧度值。那顺序数据主要用分类数, 同时呢,这个分位数它也可以作为数值型数据的测读值,但是不适用于前面的分类数据。数值型数据主要用的是平均数,它不适用于前面的分类数据和顺序数据。 以上呢,我们就学习完了集中趋势的度量,接下来我们来看一下离散程度的度量,那给大家一分钟的时间,再来看一下前面我们已经说过的数据的分类。 好,我们再接着往下看。分类数据理想程度的度量主要用的是一种比率,一种比率是非种数组的平数占总平数的比例。 大家可以看到下面这个公式, vr, 那 c 个么 f i 呢?就是指总平数, fm 是指正数组的平数, vr 就代表呢?那所有的平数减去正数组的平数,再比上总平数,也就是 c 总数组占总平数的比例。 那一种比率主要是用于衡量重数对一组的对一组数据的代表程度。那一种比例越大,就说明非重数组的平数占总平数就越大,重数的代表性就越不好。 一种比例越小呢,就说明非重数组的平数占总平数的比重就越小,重数的代表性就越好。这个是一种比率,它主要是作为分类数据理散程度的度量,但是同样是 适用于分顺序数据和数字型数据。 第二,我们来看一下顺序数据立散程度的度量。这个地方主要用四分位差。四分位差也称为内举或者是四分位举,它就是上次分位数减下次分位数的差值, 能够反映中间百分之五十数据的理想程度。这个数据越小,这个差值越小,说明中间的数据越集中。数值越大,就说明中间的数据越分散。而且呢,他只表示中间百分之五十的数据,因此他不受极致的影响。 我们再看到前面那一道题,我们来计算一下四分位差是多少。 那在这个地方呢,如果要计算这一组数据的四分位差,也就是上四分位数减下四分位数,就是一四三七点五,减去七百九十七点五,就能够计算出四分位差。 四分位差呢,它主要适用于顺序数据,此外呢,它也适用于数值型数据,但是它不适用于分类数据。我们接着来看一下第三个数值型数据离散程度的度量。这个地方可以用到的 比较多。第一个是极差,极差就是一组数据的最大值和最小值之差,也称为全局,用一个大二来表示。那极差呢,能够 直观的看到他只用到了两个数据,所以说他计算比较简单,也比较容易理解。问题是他会比较容易受到极端值的影响,所以说他其实不太能够准确描述出数据的分散程度 不太好。那我们就接着看第二个。第二类平均差。平均差有两个,分别是针对于未分组数据和分组数据的,它是个变量值与其平均数 离差绝对值的平均数,那这是个边量值与其平均数,离差平方和的平均数就可以得到平均差。在我们计算分组数就平均差的时候,也要注意要画一个表格,那平均差以平均数为 中心,对吧?以 x 八为中心,反映了每个数据与平均数的平均差异程度,它能够比较全面的反映一组数据的离散情况,平均差越大,数据离散程度越大,否则呢,就是离散程度就越小。 但是平均差在计算的时候,他取了绝对值,以离差的绝对值来表示总离差,这个就是计算的时候我们计算的时候会不太方便, 因此呢,应用的比较少,应用最多的就是下面的方差和标准差,方差是个边量值与其平均数,离差平方和的平均数,我们再把它开一个根号,就可以得到标准差。那下面这两个公式分别是未分组和分组数据 的方差的计算公式,这个地方是我们平时用到最多的,嗯,如果说要是最多呢,那就是其实标准差就是开根号之后用到的,其实更多哈。 我们接着看第四类标准分数。标准分数是变量值与其平均数的离差,除以标准差后的值, 也称为标准化值,或者是直接称它为积分数。积分数的公式可以看一下 xi 减去 x 答,再比上 s, 他呢可以给出一组数据中各数据的相对位置,那比如说 c 一等于负一点五,那这个就意味着他比平均数要低一点五倍的标准差。第五个,离算系数,离算系数是非常非常 重要的离散系数,也称为变异系数,它是一组数据中标准差和其相应的平均数的比值。为什么要用离散系数呢?就是我们前面说了相差标准差,既然它那么好,那我们为什么还要学习离散系数? 那方差和标准差他可以反映离散程度的绝对值,他的数值呢,一方面会受到变量值自身水平高低的影响,另一方面呢,也会就是不同的数据,他们的单位也不相同。而你再看一下离散系数, 标准差跟平均数的单位是一样的,对吧?也就是离散系数,它的单位是一。因此对于平均水平不同或者计量单位不同的 组别的变量值,我们可以为了消除变量值水平高低和计量单位不同对离散程度测度值的影响, 可以来计算离散系数。举个例子哈,你有一组数据是身高,有一组数据是体重,你能不能用方叉直接来比较这两组数据的离散程度,显然不合适啊,因为 标准差啊,因为一组数据他是米吧,单位是米,另外一组数据单位是千克,这没有办法直接比,但是我们可以用离散系数啊,离散系数可以消除单位的影响,那离散系数越大,就说明数据的离散程度越大,离散系数越小,就说明数据的离散程度是要更小一些的。 学习完了前面这两个离散程度还有集中趋势之后,其实我们还有一个分布的形状,就是关于偏大分态,这里时间关系呢,不再给大家去解释, 我们直接来看一下关于刚刚所学的两部分,在真题里面他会怎么去考 啊?看到你看统计中第一题,统计中用于描述数据评数分布集中趋势的统计量有哪些啊? 我们刚刚学了,我们可以分条来打,第一个分类数据用的是重数,第二个顺序数据用的是分类数,第三个数字型数据就是平均数,那我们再分别打上他们各自的特点就 ok, 下一个哈。 那给了一组数据二十,容量为二十来,怎么确定它的中位数呢?那首先要确定它的位置,第二呢? 直接去计算对吧?如果是一个那就不用算了,如果是两个就加起来除以二。 但是最最重要的一个点也是怕大家忽略的,就是计算中位数,分位数的时候,你必须必须一定一定要给他排序,这个千万不要忘了,他给你给你的一组数据通常不是排好的。 我们再接着往下看第三个计算题,看一下给出里伞的十个数据,但求均值,这个没有问题。 第二个方向和标准差直接根据公式去求就可以,然后离散系数,它的公式也要记住,这是这节课的新内容。好了,那以上就是本节课的内容, 大家回去再思考一下,再回顾一下我们这节课的内容,并且把我给大家标出的这些题去整理出来,刚刚所提到的概念题和计算题大家都去做一下。 好,嗯,本节课的内容就此结束了,非常感谢大家的倾听,再见!

统计学贾俊平第七版考研在线复习全书备考研究生的小伙伴,这份重点题库真的太实用了!知识点剖析、全新考点测试,掌握解题技巧,手机、电脑均可使用!左下方一定不要错过!

那么在我们首先接触这个方沙分析之前呢,我们有一个引论啊,就是方沙分析是如何来的? 那么在第一小节当中,首先给出了方叉分系的定义,以及和这个方叉分系相关的一些啊术语。 那么第二小节呢,我们介绍了方叉分析的基本思想。