分佈分析
對數據的分佈情況進行描述，從而對事件的發生規律有準確的認識
-
定量數據
目的是可以讓我們瞭解：- 事件發生的一般結果是什麼 --集中趨勢
- 事件結果的變化情況 – 離中趨勢
- 事件各個結果的發生概率是什麼 --圖形特徵
定量分析的指標：
- 中心位置/集中趨勢 ：均值、中位數、衆數、四分位數
- 分散程度/離中趨勢：方差、標準差、極差、變異係數{標準差/平均值}
同一對象不同時間的波動：
方差大：受外界因素影響較大，可以通過特徵的貢獻度分析析，尋找影響波動的原因。查看是否存在週期性
方差小：可以通過時間序列等方法進行預測
同一對象相同時間的波動：
方差大：各個對象間的差異較大，可以尋找差異大的原因，異常值中一般蘊藏着機會
方差小：各對象之間的差異不大，對象的屬性對結果的影響不大
- 圖形特徵
離散性隨機變量的類型：
- 0-1 分佈 ：某一件事發生的結果只有0和1兩種取值
- 二項分佈：每次試驗中只有兩種可能的結果，而且兩種發生與否互相對立與其它各次試驗結果無關，
事件發生與否的概率在每一次獨立試驗中都保持不變，則這一系列試驗總稱爲n重伯努利實驗，
當試驗次數爲1時，二項分佈服從0-1分佈。
- 泊松分佈：當某個事件出現的概率很小，但它又是無時無刻隨時可能出現的，
那麼當我們現在要求出一段時間內發生這種事件次數的概率時，
就可以全用泊松分佈來計算概率在統計學上，滿足下面三個條件就是服從 泊松分佈： - 事件是小概率 - 各個事件發生是獨立的，不會互相影響 - 事件發生的概率是穩定的 連續性隨機變量類型 均勻分佈：也叫矩形分佈，它是對稱概率分佈，在相同長度間隔的分佈概率是等可能的 正態分佈：如果連續性隨機變量概率密度符合正態分佈函數 下面兩句話可以看出正態分佈的重要性 『神說，要有正態分佈，於是就有了正態分佈 神看正態分佈是好的，就讓隨機誤差都隨了正態分佈』 在分析過種中我們認爲： 大概率事件發生是正常的 小概率事件發生是異常的 最終目標是根據事件發生的概率制定最優決策 -
定性數據
定性數據分析的目的：
尋找不同類別對象間的區別，或者對不同類別別的對象做不同的處理，確定需要重點關注的對象分析方法 佔比方法 以某一類定性特徵作爲分類標準看定量數據的分佈情況 貢獻度分析（二八分析，帕雷託分析）以某一類定性特徵作爲統計對象看定量數據的分析情況 -
定時數據
分析目的：尋找事件發生結果隨時間變化的規律
分析方法：
週期性分析 - 事件的發生是否存在週期性
時間序列分析 - 事件發生的的趨勢是什麼樣時間序列分析模型： 趨勢擬合：把時間作爲自變量，相應序列的觀察值作爲因變量，建立迴歸模型， 根據序列的特徵，可以分爲線性擬合和曲線擬合 平滑法：利用修勻技術，消弱短期波動對序列的影響，使用平滑化， 具體分爲移動平均法和指數平均法 其他還有 AR 模型、MA模型、ARMA模型