知识卡片

普通读书笔记卡 · 9768 · 生成模型:DeepSeek-V4.1-Flash

统计量相同不等于同分布

理解等级:中级

一维数据的第一步是点估计:样本量、最小值、最大值、均值、标准差。但这些数字会把形状信息压掉:书中两组数据均值都约 0、标准差都约 58,一组是 -100 到 100 的均匀分布,一组是正态分布,形状完全不同,极端值出现的概率也差很多。所以下一步要画直方图——把每个值按 bucket_size 向下取整分箱,统计每箱个数,再画柱状图。看的是形状、偏斜、是否有双峰、有没有孤立的离群点。探索的顺序因此是“先看单变量分布,再看变量之间”:分布形状往往决定该选什么模型、要不要做变换、异常值该不该保留。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第10章 数据工作 · 查看原书依据

      第一步显然是计算一些总结性统计数据。你想知道有多少数据点、最小值、最大值、均值和标准差等。 如果你仍不能很好地理解以上步骤,那么下一步是绘制直方图。

    参考来源

    - 位置:《数据科学入门(第2版)》第10章 数据工作(源文件:extracted/数据科学入门(第2版)/_epub-src/OEBPS/Text/0014.xhtml) - 结论依据:原文这一段直接给出本卡的核心判断:「第一步显然是计算一些总结性统计数据……」 - 原始内容:第一步显然是计算一些总结性统计数据。你想知道有多少数据点、最小值、最大值、均值和标准差等。 如果你仍不能很好地理解以上步骤,那么下一步是绘制直方图。