まず第一に、なぜ統計？Pythonのこの統計で統計の力を明らかにするとき—パート1シリーズ、統計が答えるのに役立つ多くの質問があります（そしてリストはここで終わりではありません）—

• 消費者の行動と洞察—誰かが製品を購入する可能性はどのくらいありますか？購入履歴データに基づいて、どのような支払いシステムを使用する予定ですか？
• 広告のターゲティングと最適化—人々に製品を購入させるのにより効果的な広告はどれですか？
• 最適化—以前の占有履歴データに基づいて、ホテルの占有をどのように最適化できますか？
• パターン—人口の95％が着ているものに基づいて、Tシャツの最も適切なサイズは何ですか？
• 薬が病気を治す可能性があるか、ワクチンが効果的かなど

知っておくべき用語-

• 人口：それは個人の特定されたグループです
• 変数：さまざまな量またはタイプで存在する測定可能な要因または条件です
• 効果量：変数の平均間にどの程度の差があるかを伝えます
• ランダムサンプリング：これは、母集団から個人を選択する（ランダムな）方法であり、すべての個人が同じ確率で選択されるようにします。
• 点推定：平均など、母集団のある値の推定値です。
• 信頼区間：母集団/サンプルの変数の真の値が含まれている可能性が高いのは、点推定の周囲の値の範囲です。
• 許容誤差：誤算または誤差の推定に使用されます。これは、点推定に加算および減算された計算量です。
• 標準偏差：各データポイント間の平均距離と合計平均

質問に答えるのに必要な統計の種類を知ることは、可能な限り最も正確な答えを得るための適切な方法を選択するのに役立ちます。統計には2つのブランチがあります—

• 記述統計—データを記述および要約します

学生はどのようにして大学に進学しますか。答えは、彼らの40％が車で通勤し、35％がバスに乗り、25％が自転車などであるということです。

• 推論統計—より多くの母集団に関して推論を行うためにサンプルデータを取得し ます。

サンプルデータを推測して、学生の何パーセントが大学に車で行くか。

データには2つのタイプがあります—

数値または定量データ：数値で構成され、さらに離散（カウントされたアイテム）と連続（測定された変数）に分けられます。このタイプのデータには、平均などの要約統計量、散布図などのプロットを使用できます。

• カテゴリデータ、または定性データ：個別のグループに属する値で構成され、さらに名義と順序に分けられます。このタイプのデータには、カウントなどの要約統計量や、バープロットなどのプロットを使用します。

定性的データの例—結婚状況、病気の種類、目の色など

データを理解することは、正しい要約統計量と視覚化を選択するのに役立つため、重要です。

センターの測定

これは、データセットの中央または中央の値です。

センターには4つの尺度があります—

• 平均
• 中央値
• モード
• 範囲

変動性は統計の鍵です。したがって、データを説明するときは、センターだけに頼らないでください。スプレッドの測定により、値のスプレッドが特定されました。

広がり/変動の4つの尺度があります—

1. 標準偏差
2. 四分位範囲（IQR）
3. 分散

どのメジャーを使用しますか？

• 分布が正規または対称の場合は、平均と標準偏差を使用します。Meanは対称データに対してより適切に機能し、極端な値に対してより敏感です。
• 分布が歪んでいるか、外れ値が大きい場合は、中央値、範囲、またはIQRを使用します。データが歪んでいる、つまり対称的でない場合は、通常、中央値を使用する方が適切です。
• 分布がバイモーダルの場合、モードを使用して、2つのモードが異なるグループまたは範囲を表すかどうかを判断します

読んでくれてありがとう。学習とコーディングを続けてください:)

プログラマーのユーモアを読みたいですか？

プログラミングユーモアパート2 これまでで最も陽気なコードコメント 罪をコーディングする：陽気な開発者の告白 あなたをROFLにさせる10の機知に富んだプログラミングジョーク

おすすめ記事-

Pythonイテレーター、ジェネレーター、デコレーターが簡単になりました 23データサイエンスのテクニックを知っておく必要があります！ コーディングの罪：陽気な開発者の告白 データサイエンティストのための5つのクールな高度なパンダテクニック 60,000人以上のソフトウェア開発者からのオーバーフロー分析データをスタック—作業時間、言語… 高度なPythonを簡単に—パート4 高度なPythonを簡単に—パート1