有趣的大數據統計

❶ 大數據如何獲得如何統計分析

從數據源角度，可以將大數據統計工具分兩類：有數據源和無數據源。

有數據源

解釋：依靠海量局罩網路數據為數據源，整理呈現分析最終展現出來給你看的統計工具。

此類工具包括：

網路指數：以網路海量網民行為數據為基礎的數據分享平台：

5118：困臘余可掌控一些大網站運營所需的關鍵數據（如今日頭條）

阿里指數：電商必備的行業價格、供應、采購趨勢分析工具

其他還包括微信指數/搜狗指數/360指數/微指數

無數據源

解釋：工具本身是不帶數據源的，需要企業根據需要去導入數據。

此類工具包括：

fineBI：新一代自助大數據分析的BI工具，所見汪滾所得的自助式數據分析

Tableau：將數據運算與美觀的圖表嫁接在一起。

其他還包括魔鏡/RapidMiner

❷ # 大數據的統計學基礎

概率論是統計學的基礎，統計學沖鋒在應用第一線，概率論提供武器。

我們在學習R的時候，會做過假設檢驗。做假設檢驗的時候會有一個基本的技術就是構造出統計量，這些統計量要滿足一定的概率密度分布，然後我算這個統計量的值，來判定它在這個密度分布裡面，分布在哪個區域，出現在這個區域內的可能性有多高，如果可能性太低，我們就判定我們的假設檢驗是不成立的。 那麼如何構造這個統計量，這是一個很有技術的東西，同時也是由數學家來完成的，那這個工作就是概率論所作的事情。

古典概率論： 扔硬幣，正面1/2反面1/2，扔的次數之間是相互獨立的。 但是這個等概率事件確實是一個不是很嚴謹的事情。仔細想一想其實是很有趣的。 柯爾莫哥洛夫創建現代概率論 他將概率論提出了許多公理，因此將概率論變成了非常嚴謹的一門學科。

學會和運用概率，會使人變得聰明，決策更准確。

統計學 ： 統計學可以分為：描述統計學與推斷統計學 描述統計學 ：使用特定的數字或者圖表來體現數據的集中程度和離散程度。比如：每次考試算的平均分，最高分，各個分數段的人數分布等，也是屬於描述統計學的范圍。 推斷統計學 ：根據樣本數據推斷總體數據特徵。比如：產品質量檢查，一般採用抽樣檢測，根據所抽樣本的質量合格率作為總體的質量合格率的一個估計。 統計學的應用十分廣泛，可以說，只要有數據，就有統計學的用武之地。目前比較熱門的應用：經濟學，醫學，心理學，IT行業大數據方面等。

例如：對於 1 2 3 4 5 這組數據，你會使用哪個數字作為代表呢？ 答案是3。 因為3是這組數據的中心。 對於一組數據，如果只容許使用一個數字去代表這組數據，那麼這個數字應該如何選擇？？？-----選擇數據的中心，即反映數據集中趨勢的統計量。 集中趨勢：在統計學裡面的意思是任意種數據向 中心值靠攏 的程度。它可以反映出數據中心點所在的位置。 我們經常用到的能夠反映出集中趨勢的統計量： 均值：算數平均數，描述 平均水平 。 中位數：將數據按大小排列後位於正中間的數描述，描述 中等水平 。 眾數：數據種出現最多的數，描述 一般水平 。

均值：算數平均數 例如：某次數學考試種，小組A與小組B的成員成績分別如下： A：70，85，62，98，92 B：82，87，95，80，83 分別求出兩組的平均數，並比較兩組的成績。

組B的平均分比組A的高，就是組B的總體成績比組A高。

中位數：將數據按大小順序（從大到小或者從小到大）排列後處於 中間位置 的數。 例如：58，32，46，92，73，88，23 1.先排序：23，32，46，58，73，88，92 2.找出中間位置的數23，32，46， 58 ，73，88，92 如果數據中是偶數個數，那麼結果會發生什麼改變？ 例如：58，32，46，92，73，88，23，63 1.先排序：23，32，46，58，63，73，88，92 2.找出處於中間位置的數：23，32，46， 58 ， 63 ，73，88，92 3.若處於中間位置的數據有兩個（也就是數據的總個數為偶數時），中位數為中間兩個數的算數平均數：（58+63）/2=60.5 在原數據中，四個數字比60.5小，四個數字比60.5大。

眾數：數據中出現次數最多的數（所佔比例最大的數） 一組數據中，可能會存在多個眾數，也可能不存在眾數。 1 2 2 3 3 中，眾數是2 和 3 1 2 3 4 5 中，沒有眾數 1 1 2 2 3 3 4 4 中，也沒有眾數 只要出現的頻率是一樣的，那麼就不存在眾數 眾數不僅適用於數值型數據，對於非數值型數據也同樣適合 {蘋果，蘋果，香蕉，橙子，橙子，橙子，橙子，桃子}這一組數據，沒有什麼均值中位數科研，但是存在眾數---橙子。 但是在R語言裡面沒有直接計算眾數的內置函數，不過可以通過統計數據出現的頻率變相的去求眾數。

下面比較一下均值，中位數，眾數三個統計量有什麼優點和缺點 [圖片上傳失敗...(image-57f18-1586015539906)]

例子： 兩個公司的員工及薪資構成如下： A：經理1名，月薪100000；高級員工15名，月薪10000；普通員工20名，月薪7500 B：經理1名，月薪20000；高級員工20名，月薪11000；普通員工15名，月薪9000 請比較兩家公司的薪資水平。若只考慮薪資，你會選擇哪一家公司？

A 7500 B 11000

A 7500 B 11000</pre>

若從均值的角度考慮，明顯地A公司的平均月薪比B公司的高，但是A公司存在一個極端值，大大地拉高了A公司的均值，這時只從均值考慮明顯不太科學。從中位數和眾數來看，B公司的薪資水平比較高，若是一般員工，選擇B公司顯得更加合理。

比較下面兩組數據： A： 1 2 5 8 9 B： 3 4 5 6 7 兩組數據的均值都是5，但是你可以看出B組的數據與5更加接近。但是有描述集中趨勢的統計量不夠，需要有描述數據的離散程度的統計量。

極差 ：最大值 - 最小值，簡單地描述數據的范圍大小。 A： 9 - 1 = 8 B： 7 - 3 = 4 同樣的5個數，A的極差比B的極差要大，所以也比B的要分散 但是只用極差這個衡量離散程度也存在不足 比如： A： 1 2 5 8 9 B： 1 4 5 6 9 兩組數據雖然極差都是相同的，但是B組數據整體分布上更加靠近5。

方差 ：在統計學上，更常地是使用方差來描述數據的 離散程度 ：數據離中心越遠，越離散。 方差越大，就代表這組數據越離散。

對於前面的數據 1 2 5 8 9，前面求的一組數據的方差是12.5。 將12.5於原始數據進行比較，可以看出12.5比原數據都大，這是否就能說明這一組數據十分離散呢？ 其實方差與元數據的單位是不一樣的，這樣比較也是毫無意義的。如果原始數據的單位是m的話，那麼方差的單位就是m^2 為了保持單位的一致性，我們引入一個新的統計量：標准差 標准差：sqrt(var())， 有效地避免了因為單位的平方而引起的度量問題。 與方差一樣，標准差的值越大，表示數據越分散。 A： 1 2 5 8 9 B： 3 4 5 6 7

某班40個學生某次數學檢測的成績如下：

63，84，91，53，69，81，61，69，78，75，81，67，76，81，79，94，61，69，89，70，70，87，81，86，90，88，85，67，71，82，87，75，87，95，53，65，74，77 對於這一組數字，你能看出什麼呢？ 或許先算一算平均值，中位數，或者眾數

或許算一算這組數據的方差或者標准差

但是即便是統計了上述的數據，我們還是對全班同學的分數分布，沒有一個全面的了解。 原始數據太雜亂無章，難以看出規律性，只依賴數字來描述集中趨勢與離散程度讓人難以對數據產生直觀地印象，這是我們就需要用到圖標來展示這些數字。

1.找出上面數據中的最大值和最小是，確定數據的范圍。

將成績排序後很容易得到最大值是95，最小值是53

2.整理數據，將數據按照成績分為幾個組。成績按照一般50-60，60-70，70-80，80-90，90-100這幾個分段來劃分(一般都分為5-10組)，然後統計這幾個分段內部的頻數。 可以看到80-90這個分段的人數是最多的。 注意在繪制直方圖的時候，一定要知道是左閉右開還是左開右閉。 因為這個可能會直接影響到頻數的統計。

上圖就是：頻數直方圖。頻數作為縱坐標，成績作為橫坐標。通過直方圖我們可以對成績有一個非常直觀的印象。 除了頻數直方圖，還有一種直方圖：頻率直方圖。與頻數直方圖相比，頻率直方圖的縱坐標有所改變，使用了頻率/組距。 頻率=頻數/總數；組距就是分組的極差，這里的組距是10.

除了直方圖外，畫一個簡單的箱線圖也可以大致看出數據的分布。

​
想要看懂箱線圖，必須要學習一些箱線圖專業的名詞： 下四分位數：Q1，將所有的數據按照從小到大的順序排序，排在第25%位置的數字。 上四分位數：Q3，將所有的數據按照從小到大的順序排序，排在第75%位置的數字。 四分距：IQR，等於Q3-Q1，衡量數據離散程度的一個統計量。 異常點：小於Q1-1.5IQR或者大於Q3+1.5IQR的值。 （注意是1.5倍的IQR） 上邊緣：除異常點以外的數據中的最大值 下邊緣：除異常點以外的數據種的最小值

​

莖葉圖可以在保留全部數據信息的情況下，直觀地顯示出數據的分布情況。 左邊是莖，右邊是葉。 若將莖葉圖旋轉90度，則可以得到一個類似於直方圖的圖。跟直方圖一樣，也可以直觀地知道數據的分布情況。 並且可以保留所有的數據信息。 莖葉圖的畫法也非常的簡單： 將數據分為莖和葉兩部分，這里的莖是指十位上的數字，葉是指給上的數字。 將莖部份（十位）從小到大，從上到下寫出來 相對於各自的莖，將同一莖（十位）從小到大，從左往右寫出來。

但是莖葉圖也有缺陷，因為百位和十位同時畫在莖葉圖的時候，容易區分不開。同時也可能出現卻葉的情況。

以時間作為橫坐標，變數作為縱坐標，反映變數隨時間推移的變化趨勢。

顯示一段時間內的數據變化或者顯示各項之間的比較情況。

根據各項所佔百分比決定在餅圖中扇形的面積。簡單易懂，通俗明了。可以更加形象地看出各個項目所佔的比例大小。 適當的運用一些統計圖表，可以更生動形象的說明，不再只是純數字的枯燥描述。

學習鏈接： https://www.bilibili.com/video/BV1Ut411r7RG

❸ 關於健身有哪些有趣的大數據

先看網路指數

這是2012-2017「健身」這個關鍵詞的網路搜索指數，整體趨勢是上漲的，每年夏天關注度是高峰，冬天關注度是低谷。這也符合我們的認知，夏天露肉的季節，人們更關注自己的身材，冬天身體都包裹在衣服里，就放鬆了對自己的要求。

新浪輿情數據顯示，關注健身的人情緒走勢呈中性，不悲不喜，比較穩定。

❹ 大數據可以解決哪些有趣的日常問題

大數據可以做到很多我們想像之外的事情，對我們的日常生活非常有幫助。比如說大數據統計會在你逛超市買啤酒和襪子的時候推薦你買紙尿褲，這時候你才想起來老婆讓買紙尿褲，而你已經忘了。

❺ 十大令人驚奇的大數據真相

十大令人驚奇的大數據真相

如今，「大數據」是科技界當之無愧的熱詞，圍繞著它有眾多的新聞和炒作。最近的研究顯示，2013年，全球范圍內花費在大數據上的資金就高達近310億美元。這項研究預測，這個數字將會持續增長，到2018年將會達到1140億。當然，有關大數據的新聞也不全都是事實，這其中存在著許多誇張的宣傳，很多企業經營者並不了解大數據的實質，他們也並不清楚為何大數據花費如此之高。

盡管全球各地正想舉辦關於大數據的學術研討會和商業論壇，但這個出現在新時代的科技名詞仍有很多方面不為人所知。簡單來說，大數據是指在互聯網時代，每天都在持續穩定增加的海量數據，這些數據的量十分巨大，能夠幫助我們了解這個世界。如果你想走近「大數據」，了解「大數據」，那就跟隨我一起看看下面幾個有關大數據的真相吧。

1.全球數據的90%產生於過去2年內。

2.當前數據產生的速度非常快，以今天的數據生產速度，我們可以在2天內生產出2003年以前的所有數據。

3.行業內獲取並且存儲的數據量每1.2年就會翻一番。

4.到2020年，全球數據量將由現在的3.2ZBytes變為40ZBytes(1ZB=1024EB，1EB=1024PB，1PB=1024TB)。

5.僅Google一家搜索引擎，每秒就處理4萬次搜索查詢，一天之內更是超過35億次。

6.最近的統計報告顯示，我們每分鍾在Facebook上貢獻180萬次贊，上傳20萬張照片。與此同時，我們每分鍾還發送2.04億封郵件，發送27.8萬推文。

7.每分鍾大約有100小時的視頻被傳上類似YouTube這樣的視頻網站。更有趣的是，要花費15年才能看完一天之內被傳到YouTube上的全部視頻。

8.AT&T被認為是能夠用單一資料庫存儲最多數據量的數據中心。

9.在美國，很多新的IT工作將被創造出來以處理即將到來的大數據工程潮，而每個這樣的職位都將需要3個額外職位的支持，這將會帶來總計600萬個新增工作崗位。

10.全球每分鍾會新增570個網站。這一統計數字至關重要，也具有顛覆性。

這就是10大令人驚奇的大數據真相，你震驚了嗎?全球企業應該更加關注大數據的不同方面，因為處理這些大數據已經成為這個時代的重中之重。

以上是小編為大家分享的關於十大令人驚奇的大數據真相的相關內容，更多信息可以關注環球青藤分享更多干貨

❻ 小調查:請你收集幾個有關大數的信息,並把它們寫下來。

小調查:請你收集幾個有關大數的信息,並把它們寫下來。構成一個人體需要500萬億個細胞，一天有24小時即1440分鍾86400秒，一年有365天有8760小時525600分鍾31536000秒，中國的土地面積960萬平方公里(9600000)，中國是世界上人口最多的國家，人口有1,300,000,000（十三億)。大數據：大數據（big data），IT行業術語，是指無法在一定時間范圍內用常規軟體工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。
在維克托·邁爾-舍恩伯格及肯尼斯·庫克耶編寫的《大數據時代》[1]中大數據指不用隨機分析法（抽樣調查）這樣捷徑，而採用所有數據進行分析處理。大數據的5V特點（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（低價值密度）、Veracity（真實性）。[2]
中文名
大數據
外文名
big data,mega data
提出者
維克托·邁爾-舍恩伯格及肯尼斯·庫克耶
提出時間
2008年8月中旬
應用學科
計算機，信息科學，統計學
快速
導航
特徵結構應用意義趨勢IT分析工具促進發展
定義
對於「大數據」（Big data）研究機構Gartner給出了這樣的定義。「大數據」是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力來適應海量、高增長率和多樣化的信息資產。