第一章 导论

一、统计及其应用领域

统计学（statistics）：是收集、处理、分析、解释数据并从数据中得出结论的科学。

数据分析所用的方法可分为描述统计方法和推断统计方法。

按统计方法分：

描述统计（descriptive statistics）研究的是数据收集、处理、分析、汇总、图表描述、概括与分析等统计方法。

推断统计（inferential statistics）研究如何利用样本数据来推断总体特征的统计方法。

按统计方法研究与应用分：理论统计学、应用统计学。

统计学的主要特点：数量性、社会性、总体性。

统计的应用领域：

1、企业发展战略

2、产品质量管理

3、市场研究

4、财务分析

5、经济预测

6、人力资源管理

二、统计数据的类型

按计量层次分类：

分类数据（categorical data）是只能归于某一类别的非数字型数据。

顺序数据（rank data）是只能归于某一有序类别的非数字型数据。

数值型数据（metric data）是按数字尺度测量的观察值，其结果表现为具体的数值。

定性数据（qualitative data）即品质数据，分类数据和顺序数据。

定量数据（quantitative data）即数量数据，数值型数据。

按收集方法分类：

观测数据（observational data）是通过调查（调查数据）或观测而收集到的数据。【社会现象】

实验数据（experimental data）是在实验中控制实验对象而收集到的数据。【自然现象】

按时间状况分类：

截面数据（cross-sectional data）是在相同或近似相同的时间点上收集的数据，这类数据通常是在不同的空间上获得的，用于描述现象在某一时刻的变化情况。

时间序列数据（time series data）是在不同时间收集到的数据，这类数据是按时间顺序收集到的，用于描述现象随时间变化的情况。

三、统计中的几个基本概念

总体（population）：包含所研究的全部个体（数据）的集合。

总体通常由所研究的一些个体组成，组成总体的每个元素称为个体。

根据总体包含的单位数目是否可数分：

有限总体：总体的范围能够确定，而且元素的数目是有限可数的。（抽取一个单位后，总体元素就会减少一个，前一次抽样会影响第二次抽样的结果。）

无限总体：总体所包括的元素是无限的、不可数的。（每次抽取一个单位，并不影响下一次的抽样结果。）【抽样中每次抽取是否独立。】

样本（sample）：从总体中抽取一部分元素的集合。

样本量（sample size）：构成样本元素的数目。

抽样的目的是根据样本提供的信息推断总体的特征，根据样本统计量去估计总体参数。

参数（parameter）：用来描述总体特征的概括性数字度量，是研究者想要了解的总体的某种特征值。（总体平均数μ、总体标准差σ、总体比例π等。）

统计量（statistic）：用来描述样本特征的概括性数字度量，是根据样本数据计算出来的一个量，是样本的函数。（样本平均数x-bar、样本标准差s、样本比例p等。）

变量（variable）：说明现象某种特征的概念，其特点是从一次观察到下一次观察结果会呈现出差别或变化。（变量的具体取值称为变量值。）

1、分类变量（categorical variable）是说明事物类别的一个名称，其取值是分类数据。

2、顺序变量（rank variable）是说明事物有序类别的一个名称，其取值是顺序数据。

3、数值型变量（metric variable）是说明事物数字特征的一个名称，其取值是数值型数据。

数值型变量根据其取值不同分：

离散型变量（discrete variable）是只能取可数值的变量，只能取有限个值，且取值都以整位数断开，可以一一列举。

连续型变量（continuous variable）是可以在一个或多个区间中取任何值的变量，其取值是连续不断的，不能一一列举。

其他分类：随机变量和非随机变量、经验变量（empiricalvariable）、理论变量（theoretical variable）。