- 在线播放
- 分集下载
- 1.1 统计学原理介绍
- 1.2 总体和样本 参数和统计量
- 1.3 数据到理论 理论到数据
- 1.4 主要的数据类型
- 2.1 EXCEL SPSS 界面
- 2.2 SPSS语言切换 Minitab界面
- 2.3 EXCEL数据导入SPSS
- 2.4 CSV 导入SPSS
- 2.5 SPSS to excel SPSS格式
- 2.6 EXCEL to MiniTab
- 2.7 Excel if function
- 2.8 Excel function
- 2.9 Excel sumif function
- 3.1 内部外部一手二手数据
- 3.2 抽样方法1
- 3.2 抽样方法2
- 3.3 数据收集基本方法
- 3.4 实际收集的数据
- 4.1 图表 排序 筛选 条件格式
- 4.2 数据透视表 1
- 4.3 数据透视表 2
- 4.4 直方图 插件
- 4.5 直方图 函数
- 4.6 3分钟复习 直方图
- 4.7 茎叶图
- 4.8 箱体图 box plot
- 4.9 其他简单的图表
- 5.1 描述统计是什么
- 5.2 集中趋势 中心趋势
- 5.3 平均值
- 5.4 离散趋势
- 5.5 方差 标准差
- 5.6 方差 标准差 Excel 函数
- 5.7 Z score 标准化
- 6.1 描述统计 excel
- 6.2 描述统计 SPSS
- 6.3 描述统计 minitab
- 6.4 SPSS explore frequency 描述
- 6.5 4分钟学会SPSS不同的描述统计方法
- 7.1 正态分布
- 7.2 卡方分布
- 7.3 t分布
- 7.4 F分布
- 7.5 点估计和区间估计
- 7.6 区间估计公式
- 7.7 excel 区间估计
- 7.8 比率 区间估计
- 7.9 区间估计 上上签
- 7.10 区间估计原理 样本和总体
- 8.1 假设检验原理1
- 8.2 假设检验原理2
- 8.3 左侧检验 EXCEL 计算
- 8.4 右侧检验 EXCEL 计算
- 8.5 双侧检验 SPSS
- 8.6 T Z P 值 转化 查表 EXCEL
- 8.7 假设检验前提
- 8.8 SPSS例题和 比例检验
- 9.1 双样本z检验 EXCEL
- 9.2 双样本t检验 EXCEL
- 9.3 双样本t检验 SPSS
- 9.4 双样本配对检验 EXCEL SPSS MINITAB
- 9.5 双样本 成数检验
- 9.6 方差检验 MINITAB
- 10.1 分类卡方检验
- 10.2 列联表 EXCEL 处理
- 10.3 方差分析原理1
- 10.4 方差分析原理2
- 10.5 方差分析原理3
- 10.6 单因素总结 SPSS操作
- 10.7 双因素方差分析原理1
- 10.8 双因素方差分析 EXCEL
- 10.9 双因素交互作用 EXCEL
- 10.10 双因素交互 SPSS
- 10.11 因素分析的后续分析
- 11.1 线性回归原理1
- 11.2 线性回归原理2
- 11.3 线性回归EXCEL 操作1
- 11.4 线性回归EXCEL 操作2
- 11.6 多元线性回归原理1
- 11.7 多元线性回归原理2
- 11.8 多元回归 EXCEL
- 11.9 多元回归 SPSS
- 八爪鱼采集器单页 我要买电视
- 八爪鱼高级采集1 我要看电影
- 八爪鱼高级采集2 我还要看电影
- 12.1 移动平均
- 12.2 阻尼指数平移
- 12.3 非直线拟合 MINITAB
- 12.4 季节性作图
- 12.5 季节分离方法 去季节化
应用统计学的相关介绍
统计学课程,东华大学 管理学院 陈磊老师 预测、数据分析、大数据、SPSS演示、Minitab演示; 工具视频,跟着标题走,无需从头到尾系统学,哪里不懂看哪里。应用统计学主要研究统计学基本知识和基本技能,并且将其融入电子表格(Excel)进行实际应用,对于参数估计、假设检验、方差分析、相关与回归、时间序列分析、指数分析等应用统计方法都有一定的涉及。
为了将统计学应用到科学,工业以及社会问题上,我们由研究母体开始。这可能是一个国家的人民,石头中的水晶,或者是某家特定工厂所生产的商品。一个母体甚至可能由许多次同样的观察程序所组成;由这种资料收集所组成的母体我们称它叫时间序列。
为了实际的理由,我们选择研究母体的子集代替研究母体的每一笔资料,这个子集称做样本。以某种经验设计实验所搜集的样本叫做资料。资料是统计分析的对象,并且被用做两种相关的用途:描述和推论。描述统计学处理有关叙述的问题:资料是否可以被有效的摘要,不论是以数学或是图片表现,以用来代表母体的性质?基础的数学描述包括了平均数和标准差。图像的摘要则包含了许多种的表和图。
推论统计学被用来将资料中的数据模型化,计算它的机率并且做出对于母体的推论。这个推论可能以对/错问题的答案所呈现(假设检定),对于数字特征量的估计(估计),对于未来观察的预测,关联性的预测(相关性),或是将关系模型化(回归)。其他的模型化技术包括变异数分析(ANOVA),时间序列,以及数据挖掘。
相关的观念特别值得被拿出来讨论。对于资料集合的统计分析可能显示两个变量(母体中的两种性质)倾向于一起变动,好像它们是相连的一样。举例来说,对于人收入和死亡年龄的研究期刊可能会发现穷人比起富人平均来说倾向拥有较短的生命。这两个变量被称做相关的。但是实际上,我们不能直接推论这两个变量中有因果关系;参见相关性推论因果关系(逻辑谬误)。
如果样本足以代表母体的,那么由样本所做的推论和结论可以被引申到整个母体之上。最大的问题在于决定样本是否足以代表 整个母体。统计学提供了许多方法来估计和修正样本和收集资料过程中的随机性(误差),如同上面所提到的透过经验所设计的实验。参见实验设计。
要了解随机性或是机率必须具备基本的数学观念。数理统计(通常又叫做统计理论)是应用数学的分支,它使用机率论来分析并且验证统计的理论基础。
任何统计方法是有效的只有当这个系统或是所讨论的母体满足方法论的基本假设。误用统计学可能会导致描述面或是推论面严重的错误,这个错误可能会影响社会政策,医疗实践以及桥梁或是核能发电计划结构的可靠性。
即使统计学被正确的应用,结果对于不是专家的人来说可能会难以陈述。举例来说,统计资料中显著的改变可能是由样本的随机变量所导致,但是这个显著性可能与大众的直觉相悖。人们需要一些统计的技巧(或怀疑)以面对每天日常生活中透过引用统计数据所获得的资讯。