在IT互聯網行業，想要成為一名優秀的數據分析師，必然需要紮實的統計學基礎理論知識。我将通過以下四個方面為大家描述數據分析中的“統計學”。

統計學是通過對數據收集、整理、彙總及分析來達到對日常事物規律的了解以及預測和應用。統計學是一門應用學科，來源于數學和概率論數理統計，比這兩個基礎學科應用更廣泛，在這個數據創造價值的社會，統計學正在大放光彩。更重要的是學會了解各種技術背後的基礎理論知識，這一點非常重要。要從理解簡單的方法開始，以便把握更複雜的方法。準确地評估一種方法的性能，了解它對數據産生的影響。掌握紮實的統計學基礎是現代數據科學家的基本要素。

1.線性回歸：線性回歸是一種通過拟合自變量和因變量之間的最佳線性關系，來預測目标變量的方法。過程是給定一個數據集，用函數拟合這些點集，使拟合函數和這些點集誤差最小。例如企業季度，月支出，消費數據拟合。

2.分類：分類是一種數據挖掘技術，它将類别分配給數據集合，幫助更準确的預測分析，适用于分析大型數據集的有效方法。例如體重，卡路裡攝入量，脂肪攝入量和年齡等等參數對心髒病是否有影響。

3.降維：常用于解決數據維數災難，通過計算變量的不同線性組合或者投影得到的。有助于提高數據分析理論模型準确度。

4.子集選擇從p個預測變量中挑選出與響應變量相關的變量形成子集，在對縮減後的變量集合使用最小二乘法，解決問題的預測因子p中的子集。

5.聚類：聚類分析又稱群分析，它是研究(樣品或指标)分類問題的一種統計分析方法，常用于數據挖掘，模式識别。根據數據相識度特性進行歸類，來發現數據特點。

首先要明确學習統計學需要學到什麼程度。不同的程度對數學基礎知識要求是不同。對于所有想學習統計學或者是希望使用統計學方法的IT人，應該有一個循序漸進的學習流程。

1. 微積分 線性代數基礎數學課程學習。

2. 概率論與數理統計，矩陣分析，最優化理論等等基礎課程 。

3.sql，excel，spss等統計數據分析學習工具及軟件。

4.Python語言/R語言/matlab等等統計數據分析項目實戰。

5.機器學習，數據分析，數據挖掘算法進階。

6.深度學習，神經網絡。

學習了1,2,3步後，可以做基本的數據分析師，或者業務數據分析。學習了4,5,6可以做高級數據分析師，數據挖掘工程師。

1.統計推斷：置信區間、假設檢驗(t檢驗、z檢驗、卡方檢驗)。

2.幾種檢驗方法的差異性及适用條線、p值的概念、檢驗樣本選取、統計量等概念。

3.幾種常用概率分布(二項分布、泊松分布、正态分布和指數分布等)。

4.大數定律、中心極限定理等。

5.概率與抽樣 。

6.異常值檢測、歸一化标準化等。

7.常見統計分析模型：相關分析、回歸分析、方差分析、因子分析等。

我是#IT人渝村阿澤#每天分享IT知識，求職。#微頭條##頭條号##微頭條#。