統計學是一門推斷事物本質，預測事物未來發展，是應用比較廣泛的綜合性科學！其中更是集合了的許多常用的數據分析方法。

很多入門級數據分析師，甚至一些“老油條”在日常工作中一直都在使用固定得機器學習框架來處理數據，并不會去了解其内在統計理論，但是為了知道如何使用或什麼時候使用分析方法，去了解一下統計學和其統計分析方法是很有幫助的。

描述統計是通過圖表或者數學方法，将數據資料進行整理和分析，描述和概括數據的特征、狀态以及随機變量之間的關系從而進行分析。

該方法主要分為相關分析、集中趨勢和離散趨勢三部分：

1、相關分析

簡單的來說就是探讨數據間有沒有統計學上的關聯性，這種關聯包括兩個數據之間的單一相關關系，也包括多數據間的多重關系；也可以是既包括A大B就大(小)，A小B就小(大)的直線相關關系，也可以是複雜相關關系（A=Y-B*X）；既可以是A、B變量同時增大這種正相關關系，也可以是A變量增大時B變量減小這種負相關，還包括兩變量共同變化的緊密程度——即相關系數，再将相關系數進行變量之間的估算。

2、集中趨勢

集中趨勢就是憑借平均數、中數和衆數等指标體系來描述一組數據的集中趨勢。

3、離散趨勢

離散趨勢是依靠極差、方差、四分位數間距、标準差、變異系數CV等等統計指标來研究數據的離散趨勢。

假設檢驗就是進行邏輯推理，用數據做出決策的過程。使用假設檢驗分析方法不僅可以提高思維能力，還能分析出問題發生的原因。

假設檢驗分析方法步驟：

1、提出假設

需要客觀提出假設，不能隻依賴經驗。比如拿到周數據之後，根據以往數據進行對比，找到其中的問題再提出假設。

2、收集證據

收集證據分析問題發生的原因，而且一個問題可能會由多個原因造成，需要多數據的對比分析。

3、得出結論

再根據自己找到的各種證據反複分析得出結論

信度是用來測量工具可靠性的一個指标，它是指使用同樣的方法對相同對象重複測量，得出其結果的一緻性程度。如：一種測量工具是可靠的，那不管對其測量幾次，結果都是一緻而穩定的。信度的指标通常是通過穩定系數、等值系數、内在一緻性系數三類表示。

信度主要分為内在信度和外在信度兩種類型：内在信度和外在信度。内在信度簡單說就是一組問題，的内在是否一緻；外在信度就是指不同時間對同一對象測量的一緻性程度。

信度分析方法主要有：重測信度法、折半信度法、複本信度法和α信度系數法。

回歸分析是一種預測性的建模技術，它研究的是因變量和自變量之間的關系，這個方法一般都是用于預測分析，對數據分析具有很大幫助。

回歸分析具有很多種回歸方法，最常用的有以下幾類：

1、線性回歸

線性回歸指的是将兩個事物取值定義為自變量和因變量，因變量随着自變量的變化而變化，其中因變量是連續的，自變量可以是連續也可以是離散的，回歸線的性質是線性的。

線性回歸又分為一元線性回歸和多元線性回歸，這兩者的區别就是自變量數是一個還是多個。

2、邏輯回歸

邏輯回歸是一種概率分析，分析事件成功或失敗的概率。該回歸方法對因變量的分布沒有要求。

3、其他回歸方法

有序回歸、加權回歸等等。

統計學中數據分析方法還有很多，以上隻是其中的幾種而已。現如今越來越多崗位對數據分析有一定的需求，但很多人隻是知道一些片面的東西，并不願意深入了解其背後的理論知識。特别是現在越來越多人想要往數據分析師這一崗位轉，大家一味的學習工具、框架，并不會主動去了解數據分析的方法，想要提升也是很難的~