If you tell yourself you can’t, you won’t.

Hi，同学们，上一阶段我们学习了数据分析的基本流程、Pandas在数据分析各个过程中的应用以及Matplotlib&Pandas的可视化基础，截至目前，你们已经算是掌握了基础的数据分析技能啦！撒花！但是在统计学理论和预测方面仍有欠缺，那么P4阶段就是解决这个欠缺哒！

本周开始，我们就进入到了项目四(P4)阶段，本阶段总共包含三周，在这三周内，我们要对统计学进行学习，掌握基础的描述统计学理论、基本的概率知识、二项分布和贝叶斯公式，并学会使用 Python 来实践；学习正态分布、抽样分布、置信区间以及假设检验的概念和计算方式；学习线性回归以及逻辑回归，在真实场景中应用，比如分析 A/B 测试结果，搭建简单的监督机器学习模型。可谓是时间紧任务重，但是也别怕，统计学的基础知识还是非常简单的，跟着课程内容一步步来，自己多做笔记多查资料，一定没问题的！

那么我们的课程安排：

本阶段可能是个挑战，请一定要保持自信，请一定要坚持学习和总结，如果遇到任何课程问题请参照如下顺序进行解决：

• 先自行查找问题答案（注意提取关键词），参考：谷歌/必应搜索、CSDN、stackoverflow
• 额外参考资料：
  • 可汗学院概率论与统计课程
  • 机会的数学-陈希孺
  • 条件概率及全概率公式及贝叶斯公式
  • statistics for data science
• 若问题未解决，请将问题及其所在课程章节发送至微信群，并@助教即可

饭要一口一口吃，路要一步一步走，大家不要被任务吓到，跟着导学一步一步来，肯定没问题哒！那我们开始吧！

注：本着按需知情原则，所涉及的知识点都是在数据分析过程中必须的、常用的，而不是最全面的，想要更丰富，那就需要你们课下再进一步的学习和探索！

本周目标

学习课程中的描述统计学 - 抽样分布与中心极限定理课程，掌握统计学基础知识。

学习计划

本周知识清单

描述统计学基础

描述统计分析就是通过数字或可视化的方法，对数据集进行整理、分析，并对数据的分布状态、数字特征和随机变量之间的关系进行估计和描述。其简要可以分为集中趋势分析、离散程度分析以及相关分析三大部分。所以，虽然这部分是选修内容，但拜托各位一定要看，这部分理论是数据分析的基础。

数据类型

数据类型是基础，尤其是之后在进行回归预测时，针对不同的数据类型可以选择不同的算法，所以必须掌握。

数据类型可以分为两大类：数值和分类；进而分为四小类：连续、离散、定序和定类。

描述统计的量

• 偏态分布示意图

  

• 其他概念：

  • 五数概括描述法：利用最小值、第一四分位数（25%处）、第二四分位数（中位数）、第三四分位数（75%处）和最大值五个数对数值型变量的离散程度进行描述的方法。

  • 当我们的数据遵循正态分布时，我们可以使用均值和标准差完全理解我们的数据集。

    但是，如果我们的数据集是偏态分布，五数概括法（和关联的集中趋势度量）更适用于概括数据。

  • 除直方图外，你还可以使用箱线图进行统计描述，箱线图其实是五数概括法的可视化。

• 异常值的处理：

  1. 至少注意到它们的存在并确定对概括统计的影响。

  2. 如果是输入错误 —...