看了《大数据时代的统计学思维》（作者刘强），给这本书打4颗星。因为作者不是从统计学的知识点开始逐个讲起，而是从生活中的很多实例入手来讲解用到的统计学理论，这样的好处是读者不会觉得枯燥，而且容易理解。
接下来，将根据自己的理解和体会，来跟大家分享这本书里提到的一些统计知识点，希望能对大家有所帮助。
----------------------------------知识点总结-----------------------------------
1、 数据可分为三大类：分类数据、顺序数据、数值型数据。
一说到数据，我们想到的往往是数值型。比如去应聘某岗位，我们会关注工资多少、几点上下班等。在美团上订餐，我们会关注商家距离远近、商家的评分等。这些都是数值型数据。
除了数值型数据，分类数据也很常见。比如打开淘宝，我们可以看到商品分类：衣服、鞋包、食品、图书等。这些也是数据。
此外，还有一种数据，如春夏秋冬、早中晚、前后左右等，存在某种顺序规律的数据。
2、数据的好处：准确客观、给予反馈。
比如我们说某个人很高，每个人对高的定义是不一样的，在沟通中会产生很大误差。如果说某个人180cm，那么就比较客观准确了。
众所周知，减肥是一件很辛苦的事情，需要每天坚持，如果不用体重称每天称一下重量，看到数字变化，恐怕我们很难坚持下来。每天体重的微小变化，是让我们每天坚持下去的动力。
3、根据来源，可以把数据分为一手数据和二手数据。
获取一手数据的方式有调查和实验两种，一手数据非常重要性。
二手数据可以通过网络、报纸、期刊获得，但是需要亲自辨别数据的真伪。如果不加辨别的使用二手数据，可能会带来很多问题。比如我们在网上看到的商家好评数量，一定是真实的吗？不是的，很多都是商家为了忽悠消费者而编造的假数据，商家正是利用了很多消费者不加分辨的相信二手数据这一点，赚得盆满钵满。
4、权重。
举个最近在工作中遇到的例子，比如定义某K歌软件的热搜排序。初步定义热搜相关的因素有搜索次数（反映伴奏搜索量的多少）、点击转化率（反映搜索伴奏后的演唱意愿）。根据实际业务数据等其他限制，得出热搜排名的总分=搜索次数+1000x昨天点击转化率。这里就给搜索次数和点击转化率赋予了不同权重，来保证热搜排序规则的体验和合理性。
5、不要迷信数据。
数据有所能有所不能，它可以说明问题，也可以掩盖问题。比如某培训班报名人数很多，并不能跟该培训班教学质量高划等号，很可能是该培训班的营销做得好。
6、抽样：简单抽样、分层抽样。
在实际业务场景中，可以灵活采用抽样方法，但是不管怎么抽样，目的都是为了让样本尽可能跟总体相似。
7、相关性。
研究不同变量之间的关系，叫相关性。比如学习绩好和投入的学习时间呈现一定的相关性。可能存在一些偶然因素导致两者不是必然相关，但是不必钻牛角尖，只考虑通常情况即可。
用X和Y来表示统计数据中两个不同的变量，用r表示他们之间的皮尔逊相关系数。
【插入图片无法显示】
除了通过相关系数计算公式，还可以通过散点图来展示两个变量之间的相关程度。
【插入图片无法显示】
需要说明的一点是，两者是相关关系并不意味着是因果关系，因此在实际业务场景中，要对相关关系做出充分的论证和合理的解释之后，才可能会明确因果关系。比如，在K歌软件中，发现进过歌房的新用户比随便看看的新用户留存要高，那么是否要在新用户一进入APP，就引导用户进入歌房呢？当然不可以，因为这部分用户留存高的真正原因并没有找到，他们留存高的原因可能不是因为进了歌房，可能是因为他们本身目的明确所以留存高，或者进歌房的这部分新用户是朋友邀请来歌房玩的导致留存高，还可能有很多其他因素，需要多方数据验证才能下结论。