统计分为两种，一种是学术统计研究，一种是商务的统计分析。
一. 统计研究
统计研究步骤的基本逻辑: 设计-收集-整理-检验-分析
1.设计 Design
选题-明确研究目的-提出假设-明确总体范围-确立观察指标-控制研究中的偏倚-给出具体的研究方案。
P值 P value
置信区间 Confidence interval
2.收集 Data collection
质量控制非常重要。基础数据的质量决定了统计结果。
连续变量 Continuous variable
分类变量 Categorical variable
单样本 Single sample
两样本 Two sample
3.整理
借助软件工具进行半自动花的整理。
抽样误差 Sampling error
标准误差 Standard error
4.参数估计与假设检验：
点估计与区间估计 Point Estimation and Interval Estimation
假设检验的基本原理与标准步骤 hypothesis test
t检验
卡方检验
5.分析 Analyse
如何选择正确的统计方法？
统计描述，了解样本情况。引入相应的统计描述指标:
频数统计 Frequency Table
集中趋势 Central Tendency 均数Mean
离散趋势 Dispersion Tendency 全距Range 变异系数
分布形状，是否对称，分布曲线形状，正负偏和左右偏。
分布特征，频数分布和正台分布，标准正太分布，二项分布，t分布
指标呈现方式：统计图与统计报表。统计推断，从样本信息外推到总体，获取解答 。
注意事项，相对数的应用中，分母不宜过小。几个总绿比较的时候要注意构成的差别，如果分母不同不可直接相加或平均。
6.错误与错误控制 Misuse
一类错误（I型错误）
二类错误（II型错误）
二.统计分析
步骤 统计分析可以分为5个步骤
1. 描述要分析的数据的性质
2. 研究基础群体的数据关系 ·
3. 创建一个模型，总结数据与基础群体的联系 ·
4. 证明（或否定）该模型的有效性 ·
5. 采用预测分析来预测将来的趋势
软件：SAS ,Python, Jupter, Pandas
Study road Map
第一阶段：数学基础，数学，高等数学，线性代数，概率论，数学建模；
第二阶段：计算机基础，编程，Python，工具库，R，网络爬虫;
第三阶段：机器学习 Machine learning;
第四阶段：数据挖掘 Data Mining;
第五阶段：深度学习，网络与框架.
其实我们能碰到的80%的问题，已经有人帮我们回答过了，答案在互联网上，都能够找得到，你只要搜索就好，剩下的20%，你再研究。往往很难的是思维结构，结构化体系花你搜集的知识。今天就是汇总了网络上关于统计步骤的知识点。会搜索可以提高学习效率。用baidu搜索google镜像，用wiki百科去看知识结构(https://www.wikipedia.org/)，都是不错的选择。
希望通过结构化知识，提高学习效率，让你的工作时间更值钱，赚钱更高效！------------《 数据分析笔记》
