回爐重造 描述統計分析

【什麼是描述統計學？】

定義

［1］

：

描述統計學（descriptive statistics）是研究如何取得反映客觀現象的資料（data tabulation），並透過圖表形式對所蒐集的資料進行加工處理和顯示（data visualisation），進而透過綜合概括與分析（statistical summaries）得出反映客觀現象的規律性數量特徵的一門學科。

我的理解

：統計學是透過收集大量的資料/數字，從大量資料中找規律。單純的資料是抽象的，難以理解的和比較的。描述統計學，從收集的大量資料圖形化/視覺化，可以更直觀的瞭解資料，從而用資料解釋問題。

描述資料集常用的4個指標：

1.平均值（算數平均值）：

優缺點：簡單計算，但是有異常極值出現時候，平均值是不準確的。例如，被平均的收入。

2.四分位數

［2］

：

四分位數（Quartile）也稱四分位點，是指在統計學中把所有數值由小到大排列並分成四等份，處於三個分割點位置的數值。

優點：從整體描述資料集的分佈狀態

缺點：無法分析資料集的波動大小

如何計算：第一步：求中位數Q2；第二步：求下四分位數 Q1，上四分位數Q3

【實踐】：可以使用Excel中的QUARTILE 函式 計算四分位數的數值；

四分位數應用：1。 箱線圖 ； 2。識別出可能的異常值， 對異常值進行檢查和處理

1）箱線圖： 使用python繪製箱線圖（現在我還不會使用python，記錄為今後學習補充的技能之一）；

2）識別出可能的異常值：tukey‘s test方法

最小估計值：Q1-k（Q3-Q1）

最大估計值：Q3-k（Q3-Q1）

k=1。5 中度異常

k=3極度異常

3.標準差

［3］

：波動大小

標準差公式

標準差的單位是：計算資料的單位

標準差大小的好壞：標準差越大，波動越大，例如，1。 QA的控制：標準差越小越好，說明質量控制的好，良品率高；2。 薪資：標準差越大越好，說明工資有起伏；

案例：股票波動大小，平均收益相同時，標準差越大，風險越大；

夏普比率的應用

4. 標準分：表示某個數值距離平均值多少個標準差

等於0，等於平均值；

大於零，大於平均值；

小於零，小於平均值；

案例：質量控制，6西格瑪

【熟悉資料集】

選擇的資料集：天貓淘寶購買嬰兒商品的使用者的資料集；分別為

表1購買商品和表2嬰兒資訊。

資料集來源：

[表一]

資料集共有29971條資訊記錄，共有7個欄位，分別為：

user_id：使用者id，對應淘寶天貓註冊使用者的id。是使用者的唯一識別碼，任何一個註冊使用者的id都是不重複的，如果user_id相同，可以認為是同一個使用者；

auction_id：購買行為編號，是使用者購買行為的唯一識別碼；

cat_id：商品種類ID，例如母嬰用品分類，可能有奶粉/輔食，孕媽專區；餵養洗護；童車/床/出行；玩具；童鞋。可以分析哪一類產品最受歡迎；

cat1：商品屬於哪個類別，是商品種類的細分類別，可以分析最受歡的商品種類id中，哪個子類別最受歡迎。例如，奶粉/輔食，可能分為牛奶粉，羊奶粉，米糊，磨牙棒，果泥，維生素等；

property：商品屬性，一個商品基本引數規格，例如，奶瓶的商品屬性為品牌，系列，使用年齡，材質，形狀，產地，顏色，奶瓶是否帶柄，容量，口徑大小。對於分析天貓淘寶使用者行為意義不大；如果對於一個店鋪，細分使用者對於同種商品不同規格的選擇的購買行為，可以幫助店鋪提高採購庫存數的精確性；

buy_mount：購買數量，商品的購買數量；

day：購買時間，從格式看是年，月，日。可以分析，哪個時間段哪個商品更受歡迎，可以結合季節和折扣促銷活動來分析。

【表二】資料集共有953條資訊記錄，共有3個欄位，分別為：

user_id：使用者id，淘寶天貓使用者的唯一識別的id，可以與表一匹配資料；

birthday：出生日期，可以換算成嬰兒年齡，可以分析各年齡段的使用者行為，哪個年齡的寶寶下單最多；統一年齡的寶寶，下單哪類商品最多；是否下單和年齡有關；

gender：性別（0 男性；1 女性），可以分析不同性別寶寶家長的購買行為；同一類商品下單資料中，男性寶寶多，還是女性寶寶多。

【你想從該資料集中得到哪些描述統計資訊？】

購買數量的平均值，四分位數，標準差；

寶寶年齡的平均值，四分位數，標準差；

購買時間的標準差：研究購買時間是否波動；

【從該資料集中分析哪些業務問題？】

不同性別的寶寶使用者購買偏好？欄位選擇：user_id，gender，buy_mount，cat_id

不同年齡的寶寶使用者購買偏好？欄位選擇：user_id，age，buy_mount，cat_id

哪一類商品最受歡迎？欄位選擇：cat_id，buy_mount

同類商品，不同子分類那一類更受歡迎？欄位選擇：

什麼時間段使用者更喜歡下單？欄位選擇：day，buy_mount

哪類商品分別在什麼時間下單最多？欄位選擇：day，buy_mount，cat_id

感謝live課程：

參考

^

描述統計學定義

https：//baike。baidu。com/item/%E6%8F%8F%E8%BF%B0%E7%BB%9F%E8%AE%A1%E5%AD%A6

^

四分位數

https：//baike。baidu。com/item/%E5%9B%9B%E5%88%86%E4%BD%8D%E6%95%B0

^

標準差

https：//baike。baidu。com/item/%E6%A0%87%E5%87%86%E5%B7%AE