【数据分析】统计量

1. 均值、众数描述数据的集中趋势度量，四分位差、极差描述数据的离散程度。

2. 标准差、四分位差、异众比率度量离散程度，协方差是度量相关性。

 期望值分别为E[X]与E[Y]的两个实随机变量X与Y之间的协方差Cov(X,Y)定义为：

从直观上来看，协方差表示的是两个变量总体误差的期望。

如果X与Y是统计独立的，那么二者之间的协方差就是0，因为两个独立的随机变量满足E[XY]=E[X]E[Y]。

但是，反过来并不成立。即如果X与Y的协方差为0，二者并不一定是统计独立的。

3. 卡方检验可以分析分类变量之间的相关性。http://t.csdn.cn/SZSy6

4. t检验：t检验，亦称student t检验（Student's t test），主要用于样本含量较小（例如n < 30），总体标准差σ未知的正态分布。 只能分析数值型变量。

5. 皮尔逊相关系数是一种衡量变量之间线性关系强弱的统计量。它的取值范围在-1到1之间，可以反映出两个变量之间的相关程度。如果相关系数接近1，表明两个变量之间存在完全正向的线性关系；如果接近-1，则说明存在完全负向的线性关系；如果接近0，则表示两个变量之间没有线性关系。

皮尔逊相关系数的计算方法如下：

r = Cov(X, Y) / (σX * σY)

其中，Cov(X, Y)表示变量X和Y的协方差，σX和σY分别表示变量X和Y的标准差。通过计算协方差和标准差，我们可以得到两个变量之间的相关系数。

只能分析数值型变量。

例子：百度安全验证

 6. 列联相关：列联相关又称列联相关系数(contingencycorrelation)又称均方相依系数或接触系数，是指当两列数据中至少有一列是多分类资料时，描述变量之间的相互关系的品质相关系数。

可以分析分类变量之间的相关性。

7. SQL中的关键字：float浮点型、int 整数型、char 文本型、decimal 定点型

8.  HAVING 子句中的筛选字段必须是可以出现在分组结果中的字段

9. 多维数据库——雪花模式

雪花模式是集中代表事实表的连接到多个层面 ，是类似星型模式 。

星型模型：星型模式是多维的数据关系，它由事实表（Fact Table）和维表（Dimension Table）组成。每个维表中都会有一个维作为主键，所有这些维的主键结合成事实表的主键。事实表的非主键属性称为事实，它们一般都是数值或其他可以进行计算的数据。

 

交叉模型：