版权声明：转载请注明出处。 https://blog.csdn.net/b285795298/article/details/81603844
统计学大体可以分为两类：
描述性统计学：希望在不告诉别人所有数据的情况下介绍这些数据的情况。
推论统计学：从总体中获得一些样本，利用样本的数学计算，推断出总体的情况。
机器学习、数据挖掘、数据分析领域离不开统计学。以前学习统计的时候，只是为了应付考试，很多知识都是靠死记硬背。考试过后，这些东西慢慢的就忘记了。最近重新回顾统计基础知识，感觉很多细节还是值得注意的。
统计学的主要知识基本包括：随机变量、均值方差标准差、统计图表、概率密度、二项分布、泊松分布、正态分布、大数定律、中心极限定理、样本和抽样分布、参数估计、置信区间、伯努利分布、假设检验和p值、方差分析、回归分析等内容。
1、均值、 中位数、 众数、 极差 反应数据的集中趋势。
2、不同的统计图体现不同的目的，比如，
线形图表示随某个属性（如时间）的变化趋势；在用多个线形图比较同一属性时，一定要注意刻度的一致。条形图擅长将事务分类，看每一分类的情况；饼图体现各部分的占比；茎叶图能帮助了解分布情况，但无法很好体现数据散布情况；箱线图则能很好的体现中位数和数据散布。
箱线图：
import matplotlib.pyplot as plt
import pandas as pd
data = [6, 47, 49, 15, 42, 41, 7, 39, 43, 40, 36]
df = pd.DataFrame({'data':data})
df.boxplot()
plt.show()
通过箱线图我们可以看出，data = [6, 47, 49, 15, 42, 41, 7, 39, 43, 40, 36]的极差，数据的分布情况，上图表明data的中位数更加接近于数据的小端。
##集中趋势##
经常用mean, median, mode（一起）描述集中趋势（Central Tendency or Average）
总体和样本的各项指标：
总体均值，样本均值
总体方差，样本方差（两者期望相等）
总体标准差，样本标准差（两者期望并不相等）
随机变量更像是从随机过程映射到数值的函数，数字是随机的。（分离散型和连续性随机变量）
X = {丢色子的值}