什么是数据统计

什么是数据统计

数据统计：互联网传媒行业或其他操作流程的数据统计的统称，用于历史资料、科学实验、检验、统计等领域。

数据统计分析方法：聚类分析、判别分析、相关分析、回归分析、因子分析、生存分析、方差分析。

数据统计的意义：

1、从整体上反映和分析事物数量特征，观察事物的本质和发展规律，作出正确的判断；

2、从宏观上看，是国家宏观调控和管理的重要工具；

3、从微观上看，是企业管理与决策的依据；

4、日常生活中，统计可以宣传群众、教育群众；

5、是进行科学研究的重要方法。通过数字揭示事物在特定时间方面的数量特征，以便对事物进行定量乃至定性分析，从而做出正确的决策。正因如此，统计信息越来越多地和其他信息结合在一起。

根据颜色统计数据，按下Ctrl+F只需1分钟就能轻松搞定

Hello，大家好，今天我们来解决2个让很多人都无从下手的Excel难题，就是根据颜色或者批注来统计数据。因为很多都喜欢使用颜色或者批注来进行数据标注，所以才会出现这个的问题。今天跟大家分享一种解决的方法，只需要按下快捷键Ctrl+F就能轻松搞定，下面就让我们来学习下吧

一、根据颜色统计数据

根据颜色统计数据分为2类情况，一种是根据填充色统计数据，另一张是根据字体颜色统计数据，它们的操作都是一模一样的，我们以根据填充色统计数据为例跟大家演示下解决方法，比如在这里我们想要统计橙色的数据区域

1.查找颜色

首先我们按下快捷键【Ctrl+F】，随后在跳出的查找窗口中点击【选项】就会显示出查找的所有选项，我们可以在右上角看到【格式】两个字，点击格式旁边向下的小三角选择【从单元格选取格式】鼠标就会变成一个吸管的样子，这个时候我们只需要点击需要统计单元格颜色即可，在这里我们点击【橙色】单元格，点击后在【格式】左侧会显示一个橙色的预览字样，这就表示设置完成了，最后我们点击【全部查找】就能在下方找到所有的橙色单元格

2.定义名称

点击【全部查找】之后，我们不要做任何的操作，直接按下快捷键Ctrl+A选择所有找到的数据，随后就可以将这个界面关掉了，紧接着我们继续点击【公式】功能组，找到【定义名称】在跳出的窗口中，将名称设置为【XX】然后点击确定即可

我们这么做就相当于将已经选中的橙色单元格定义为了【XX】这两个字母，我们如下所示我们打开名称管理器，然后点击【XX】的定义名称就会选中所有橙色的单元格,还有就是【XX】这两个字母是可以作为函数的参数代入函数中使用的

3.利用公式统计数据

上一步已经说过，定义的名称【XX】是可以直接代入到公式中的，这个时候我们就可以使用对应的函数进行数据统计了，这个就是根据颜色统计数据的方法

求和：=SUM(XX)

平均值：=AVERAGE(XX)

计数：=COUNTA(XX)

二、根据批注与注释统计数据

在新版的Excel中新增了批注，批注它是可以直接回复的，会根据不同的批注插入人显示不同的颜色，而注释是不能回复的，会在单元格的右上角显示一个红色的小三角，这个也是我们最常用到的，它们两个的操作方法都是一模一样的，我们以统计注释为小明的单元格为例跟大家讲解下操作方法

首先我们按Ctrl+F调出查找窗口，随后在查找内容中输入【小明】然后点击【选项】在下方找到【查找范围】，将范围选择为【注释】然后点击【全部查找】即可，这样的话就会找到所有注释是小明的单元格

随后也是按下Ctrl+A选择所有数据，然后定义名称，再使用公式计算即可，与根据颜色统计数据的操作是一模一样的，就不再演示了。

使用这个方法有一个缺点，就是当颜色或者批注发生改变，公式是无法自动更新的，还需要再做一次，好处就是比较简单，操作起来比较快，不到1分钟就能搞定

以上就是今天分享的全部内容，你学会了吗？

我是Excel从零到一，关注我，持续分享更多Excel技巧

（此处已添加圈子卡片，请到今日头条客户端查看）

入行数据分析要知道什么是统计量&抽样分布

统计数据的抽样分布是一种概率分布，是通过从同一总体中抽取许多给定大小的随机样本而创建的。这些分布可以了解样本统计量如何因样本而异。

抽样分布对于推理统计至关重要，因为它们允许在其他可能值的更广泛背景下理解特定样本统计。至关重要的是可以计算与样本相关的概率。

抽样分布描述了各种样本统计的值的分类。

虽然均值的抽样分布是最常见的类型，但它们可以表征其他统计量，例如假设检验中的中位数、标准差、范围、相关性和检验统计量。

本文可以了解到：

统计量以及排序。代表性的机率密度函数包括正态分布、标准正态分布、卡方分布、t分布、F分布。机率密度函数的图形和横轴组成的面积始终为1。机率密度函数的图形和横轴组成的面积可以认为与比例及机率相同。统计量

样本均值、样本比例、样本方差等都是统计量。统计量是样本的一个函数、是统计推断的基础。

次序统计量

中位数、分位数、四分位数等都是次序统计量。

比例

总体(或样本)中具有某种属性的单位与全部单位总数之比。

机率密度函数

以《三国志 11》武将武力数据距离，总体样本为 811 人。 分别以步长10、5、3、1步长举例进行直方图的计算。这么一个过程称为机率密度函数。

步长10

步长5

步长3

步长1

抽样分布样本统计量的概率分布，是一种理论分布。在重复选取容量为n的样本时，由该统计量的所有可能取值形成的相对频数分布。随机变量是样本统计量，样本均值,样本比例,样本方差等。结果来自容量相同的所有可能样本。提供了样本统计量长远而稳定的信息，是进行推断的理论基础，也是抽样推断科学性的重要依据。

样本均值之差的抽样分布

两个总体都为正态分布

两个样本均值之差的抽样分布服从正态分布，其分布的数学期望为两个总体均值之差。

方差为各自的方差之和。

正态分布

exp 或者 e 称为自然对数的低，约为 2.7182......

主要特征

正态分布函数密度曲线在横轴上方均数处最高。正态分布函数密度曲线以均数为中心，左右对称。正态分布函数密度曲线受均值 （μ） 和标准差 （σ） 影响。

用Python实现各种类型的正太分布

# Python实现正态分布# 绘制正态分布概率密度函数import mathimport numpy as npimport matplotlib.pyplot as plt# 均值μu = 0 u01 = -2# 标准差δsig = math.sqrt(0.2) sig01 = math.sqrt(1)sig02 = math.sqrt(5)sig_u01 = math.sqrt(0.5)x = np.linspace(u - 3*sig, u + 3*sig, 50)x_01 = np.linspace(u - 6 * sig, u + 6 * sig, 50)x_02 = np.linspace(u - 10 * sig, u + 10 * sig, 50)x_u01 = np.linspace(u - 10 * sig, u + 1 * sig, 50)y_sig = np.exp(-(x - u) ** 2 /(2* sig **2))/(math.sqrt(2*math.pi)*sig)y_sig01 = np.exp(-(x_01 - u) ** 2 /(2* sig01 **2))/(math.sqrt(2*math.pi)*sig01)y_sig02 = np.exp(-(x_02 - u) ** 2 / (2 * sig02 ** 2)) / (math.sqrt(2 * math.pi) * sig02)y_sig_u01 = np.exp(-(x_u01 - u01) ** 2 / (2 * sig_u01 ** 2)) / (math.sqrt(2 * math.pi) * sig_u01)plt.plot(x, y_sig, r-, linewidth=2)plt.plot(x_01, y_sig01, g-, linewidth=2)plt.plot(x_02, y_sig02, b-, linewidth=2)plt.plot(x_u01, y_sig_u01, m-, linewidth=2)plt.grid(True)plt.show()

因此我们在生成随机数据进行测试的时候需要输入两个内容，均值和标准差即可。确定的随机变量 X 的分布称为正态分布记为 N（μ，σ2） 。

标准正态分布

面对的是数值型变量。

正态分布 N（μ，σ2） 函数曲线下的面积

正常范围：68.27%的面积在平均值左右的一个标准差范围内优秀范围：95.45%的面积在平均值左右两个标准差2σ的范围内异常范围：99.73%的面积在平均值左右三个标准差3σ的范围内超常范围：99.99%的面积在平均值左右四个标准差4σ的范围内

例如：Z在数量上表示该新变量为该标准正态分布下标准差σ=1的倍数，根据正态分布计算对照表计算，范围是-3到+3。

推荐一个简单的可视化计算工具。标准正态分布表 计算可视化

例如：某学科考试平均分是 60，方差是 88，记作 ～X～N(60,88) ，计算[52,68]这个区间成绩的概率是多少？计算 [50,70] 这个区间成绩的概率是多少？

实际上求的是 P(μ−σxμ+σ) 的值。则 [52,68] 是1个 σ ，[50,70]是1.25个 σ 。然后拿上面的工具拖动以下就搞定了。

卡方分布

面对的是分类型变量。根据不同的自由度 （n） 图形变化也不一样。

n个独立同分布的随机变量，都服从标准正太分布，它们的平方和作为一个新的随机变量的分布，就是卡方分布。

自由度类似 y = ax + b 中的 a 的斜率，可以自有的变化从而对图形产生变化，如果数据集中有 n 个元素，可以有 n - 1 个元素自有原则，称为自由度。

卡方分布的特征：

随机变量的平方和，分布的变量值始终为正。分布的形状取决于其自由度 n 的大小，通常为不对称的正偏分布，但随着自由度的增大逐渐趋于对称。

卡方分布面积计算： 卡方分布表

t分布

我们平常说的t分布，都是指小样本的分布。但其实正态分布，可以算作t分布的特例。也就是说 t 分布，在大小样本中都是通用的。

F分布

随着自由度逐渐增大，t分布逐渐接近标准正态分布。

中心极限定理

从均值为μ，方差为 σ2 的一个任意总体中抽取容量为 n 的样本，当 n 充分大时，样本均值的抽样分布近似服从均值为 μ、方差为 σ2/n 的正态分布。

简单来说：随机抽取的样本的均值等于总体的平均值，不管任何分布，任意总体样本均值均围绕总体平均值，且呈现正态分布。