學資料分析究竟要懂哪些統計學？全都給你梳理好了，拿走不謝

每次在寫資料分析必學知識時，我都會提到，對於資料分析師來說，我們是必須學習統計學知識的，畢竟天天跟資料打交道，總不能連最基礎的統計學知識都不會吧？

舉個例子，資料分析，

你如果連最起碼的置信區間都不懂，你還怎麼處理資料？

如果

統計學中最基本、核心的思想：用樣本估計總體，你都沒概念，就別說自己會資料分析了。

但多數人在學習統計學知識時會無比頭疼，因為統計學的書籍裡幾乎都是複雜的推理公式，讓人難以理解。其實，對於大部分資料分析師來說，我們並不需要掌握的那麼細。

因此，我整理了一些你需要掌握的統計學知識，把統計學知識展開了說，讓大家大致瞭解有哪幾個模組知識，然後跟著這些模組知識去學習。

一、機率與機率分佈

先要明確，統計學不研究統計，它研究的是不確定性！

而不確定性事件唯一的量化標準就是機率，獨立隨機事件沒法透過機率來預判何時發生，但卻可以用機率來描述事件發生的可能性。

這一模組主要掌握

隨機事件的機率

離散隨機變數

連續隨機變數的機率分佈

二、資料的概括性度量

在資料人的實際工作中，你會經常遇到這種情況：業務人員/老闆拿到一坨資料，丟在你面前，讓你分析。這時，大多數人會不知所措，不知道從哪一步開始整理這些資料。這個時候，就需要透過概括性的度量指標，來幫我們從宏觀上把握資料中的初步資訊。

這一模組主要掌握

集中趨勢的度量

離散程度的度量

分佈形態的度量

三、迴歸分析

迴歸分析，因為它的易懂性，也因為它的實用性，但隨著自己資料分析經驗的積累，對迴歸分析的理解也越來越深，它不是簡單的迴歸模型求解那麼簡單，它更是一種日常工作中解決問題的思路和方法論。

這一模組主要掌握

相關係數

迴歸分析

最小二乘法

顯著性檢驗

四、統計量及其抽樣分佈

抽樣，就是從研究的總體中抽取一部分個體作為我們真正的研究物件，稱為樣本，最後透過樣本的結果來推測總體情況。

這一模組主要掌握

統計量的基本概念

常用統計量

正態分佈

五、引數估計

引數估計，顧名思義就是對引數進行估計，那什麼是引數呢？就是你假設分佈的引數，也就是說你知道某個隨機過程服從什麼分佈，但是不確定他的引數是什麼，那怎麼辦？你取樣，然後透過這些樣本的值，去估計分佈的引數就是引數估計。

這一章節，需要大家掌握幾個核心概念：

引數

點估計

區間估計

我是“資料分析不是個事兒”，常年分享資料分析乾貨，不定期分享好用的職場技能工具，對資料分析感興趣的話，可以點個關注。