发帖
雷达卡
听说你已经被统计学劝退，被Python唬住……先别着急划走，看完这篇再说！
先说结论，大多数情况下的学不会都不是知识本身难，而是被知识的传播者劝退的。
比如大佬们授课，虽逻辑严谨、思维缜密，但你只能望其项背，因为大佬们往往无法体会菜鸟的痛苦。再比如一些照本宣科的老师，他们没有深入研究这些知识，无法用通俗的语言帮你解释，只能貌似努力地帮你认真地读完所有PPT……
究其本质而言，这种情况多半是按 “是什么、有什么用，怎么用” 的方式在学，而对在大多数人而言，第一步就学懂“是什么”，或许难度有点大，因为得从定义出发，了解性质，推导出原理，一套流程下来直接劝退了，反而最关心的有什么用、怎么用的问题没有解决。
所以接下来的内容我将用“MVP（最小可行化产品）” 的思路来筛选重点内容，帮你厘清哪些内容是不可或缺及必须要学的。然后以 “有什么用，怎么用，是什么” 的顺序展开，快速提升当你急需Get某个技能时候的学习效率。
另外教程的标题既然含有“极简入门”，那么至少有2个原则：
- 尽量不废话
- 尽量说人话
说“尽量”是因为有些时候，不得不说些废话才能引起你的注意，比如以上内容…
好，我们正式开始！首先来看第一个问题：
1. 数据的种类
我们都知道，一般数据可以分为两类，即定性数据（类别型数据）和定量数据（数值型数据）
(1). 定性数据，表示研究对象的类别。很好理解，这里的表示类别用的数字既没有大小之分，也没有先后顺序之分，更不能进行算术四则运算。
定性数据可以分为：
① 定类数据
表现为类别，但不区分顺序，是由定类尺度计量形成的。一般可以从非数值型数据中编码转换而来，数值本身没有意义，只是为了区分类别做出的数值型标识
例如性别用1代表男性，用2代表女性；血型用1，2，3，4来表示A、B、AB及O四种；
② 定序数据
表现为类别，但有顺序，是由定序尺度计量形成的。运算符也没有意义，
例如受教育程度用 文盲 = 1，半文盲 = 2，小学 = 3，初中 =4，高中 = 5，大专 = 6，本科 = 7，（研究生）硕士 = 8，（研究生）博士 = 9表示。
(2). 定性数据，表示研究对象的类别。很好理解，这里的表示类别用的数字既没有大小，也没有先后顺序之分，更不能进行算术四则运算。
定量数据可以分为以下几种：
① 定距数据
表现为数值，可进行加、减运算，是由定距尺度计量形成的。定距数据的特征是没有绝对的零点，例如温度，不能说10摄氏度的一倍是20摄氏度。因此乘、除法对于定距数据来说也是没有意义的。
② 定比数据
表现为数值，可进行加、减、乘、除运算，是由定比尺度计量形成的。定比数据存在绝对的零点。例如价格，100元的2倍就是200元。
先看一个例子，这里有一组数据 2,23,4,17,12,12,13,16，请思考你要怎么描述它？
你可能会说他们的平均数是12.375，中位数是12.5，最大值是23，最小值是2，等等。
没错，这里其实你已经在用平均数、中位数、最大值、最小值的来描述这组数据。
那么用几个数来描述一堆数就是统计学的基本概念：统计学是一门将 数据汇总为统计量或图表的学问。
Tips：通俗来说就是，数据太多记不住且不好描述，需要简化为更少的数字或图表，于是有了统计学和统计图表
知道了统计学的定义再接着看：
通常我们把统计学分为两大方向，通过计算出来的统计量来概括已有数据叫做描述统计学，通过样本获取总体特征的叫做推断统计学
Tips：“算”出来的统计量，比如 中位数、平均值、众数 这些；“猜”出来的叫推断统计学，比如通过样本数据来推断总体的数字特征。
下面这张图展示了统计学两大分支：描述统计与推断统计。其中推断统计又分两大学派，频率学派与贝叶斯学派。这些内容大家先知道就行，后面再展开。
下期预告：《Python统计学极简入门》第2节 描述性统计
后续入口：山有木兮：统计学极简入门
京公网安备 11010802022788号
