博士研究工具之統(tǒng)計(jì)分析的類型
統(tǒng)計(jì)分析的目的是收集數(shù)據(jù)并進(jìn)一步分析收集的數(shù)據(jù)。這些數(shù)據(jù)是大信息，需要計(jì)算才能獲得相關(guān)結(jié)論。統(tǒng)計(jì)分析的目標(biāo)是從大量數(shù)據(jù)中推斷出信息，并通過圖形、計(jì)算、圖表和表格來表達(dá)它們。

描述性統(tǒng)計(jì)分析
統(tǒng)計(jì)分析的描述性類型提供了數(shù)據(jù)的描述。它總結(jié)了有關(guān)收集數(shù)據(jù)的所有信息，以便從解釋中獲得全面的意義?；诿枋鲂越y(tǒng)計(jì)分析的使用，研究得出必要的結(jié)論，以及對(duì)所獲得數(shù)據(jù)的詳盡定量描述。
例如：
要了解學(xué)生一年的表現(xiàn)，應(yīng)評(píng)估全年獲得的平均分?jǐn)?shù)的計(jì)算。平均計(jì)算是學(xué)生在一年內(nèi)在每個(gè)科目中獲得的分?jǐn)?shù)之和除以科目總數(shù)。達(dá)到的平均值是描述學(xué)生整個(gè)表現(xiàn)量表的單個(gè)數(shù)字。

推論統(tǒng)計(jì)分析
推論統(tǒng)計(jì)分析的范圍是通過抽樣模式對(duì)海量數(shù)據(jù)集的信息進(jìn)行概括。在這個(gè)分析企業(yè)中，研究人員認(rèn)為樣本代表批量數(shù)據(jù)。該方法遵循以下任一程序：
? 估計(jì)參數(shù)，或
? 檢驗(yàn)假設(shè)
例如：
考慮無偏見的 100 到 200 人來代表特定位置的人口稱為抽樣。推論統(tǒng)計(jì)分析批判性地評(píng)估從樣本中收集的信息，以得出相關(guān)結(jié)論。

預(yù)測(cè)性統(tǒng)計(jì)分析
預(yù)測(cè)統(tǒng)計(jì)分析的目的是根據(jù)過去的常規(guī)事件進(jìn)行預(yù)測(cè)。它分析了一系列事件，以便可以招募關(guān)于“未來會(huì)發(fā)生什么”的必要可能性。這種分析方法用于生活的各個(gè)領(lǐng)域?；趶?fù)雜的事件處理、圖分析、模擬、算法、業(yè)務(wù)規(guī)則和機(jī)器學(xué)習(xí)，它證明了決策過程的合理性。這些決定顯示了對(duì)該問題的有效性，可以為未來的問題提供解決方案。這種分析方法通常用于進(jìn)行與不確定性和風(fēng)險(xiǎn)相關(guān)的預(yù)測(cè)。金融服務(wù)、營銷和在線服務(wù)等業(yè)務(wù)領(lǐng)域意味著預(yù)測(cè)分析以獲得競(jìng)爭優(yōu)勢(shì)。
例如：
隨著社交媒體平臺(tái)的出現(xiàn)，用戶可以獲得不同娛樂和購物來源的推薦。這些建議基于通過分析用戶使用的數(shù)據(jù)從在線流媒體平臺(tái)收集的數(shù)據(jù)。歷史、購物網(wǎng)站、搜索關(guān)鍵詞，都是預(yù)測(cè)用戶花錢娛樂和購物的正確推薦的手段。

規(guī)范性統(tǒng)計(jì)分析
規(guī)范性統(tǒng)計(jì)分析旨在得出“將會(huì)發(fā)生什么，以及何時(shí)發(fā)生”的精度?；诮?、數(shù)據(jù)挖掘和人工智能主導(dǎo)的統(tǒng)計(jì)評(píng)估，規(guī)范性統(tǒng)計(jì)分析將從內(nèi)部來源收集的信息與從第三方來源獲得的數(shù)據(jù)相結(jié)合。從那里，這種分析方法可以深入了解為各自的操作或事件開發(fā)更好可能性的方法。這種分析能夠預(yù)測(cè)未來可能發(fā)生的事情，以及應(yīng)該做些什么才能從后果中獲得最大收益。這項(xiàng)規(guī)定是為了深入了解根據(jù)以前的建議為不同行動(dòng)選擇的不同選擇。
例如：
像Waymo這樣的自動(dòng)駕駛汽車是規(guī)范性統(tǒng)計(jì)分析的結(jié)果。這輛車經(jīng)歷了無數(shù)次的計(jì)算才能完成一次旅行。根據(jù)規(guī)定的情況和基于傳感器的信息，這輛車做出自行駕駛的決定。

因果統(tǒng)計(jì)分析
因果統(tǒng)計(jì)分析的相關(guān)性基于它提供理由來了解“為什么”某些甚至以這種方式發(fā)生的能力。它是一種統(tǒng)計(jì)分析，旨在找到導(dǎo)致某些成功或失敗事件的原因。這種分析方法在抵抗或預(yù)防整個(gè)災(zāi)害方面是有效的。
例如：
在管理COVID-19大流行的情況下，研究人員通過機(jī)器學(xué)習(xí)和強(qiáng)大的統(tǒng)計(jì)算法分析了一系列以前的流行病。目的是找到其傳播的原因和預(yù)防它的方法。根據(jù)特定原因的推導(dǎo)，研究人員試圖在未來承擔(dān)COVID-19 的影響。甚至對(duì) 2020 年 COVID-19 的病例和發(fā)展也進(jìn)行了分析，以建立更好的盾牌，以限制其在 2021 年的傳播。

探索性數(shù)據(jù)分析
探索性數(shù)據(jù)分析（EDA）側(cè)重于評(píng)估不同的數(shù)據(jù)集，從而總結(jié)研究問題的核心相關(guān)問題。它被標(biāo)識(shí)為推理統(tǒng)計(jì)的指數(shù)實(shí)體，通過各種可視化方法表示。數(shù)據(jù)科學(xué)家使用這種統(tǒng)計(jì)分析來識(shí)別模式，并從那里深入了解隱藏在其中的未知知識(shí)領(lǐng)域。這些推導(dǎo)通過圖形或非圖形表示來表示，遵循以下過程：
查找未知關(guān)系 à 檢查假設(shè) à 做出假設(shè)
例如：
在預(yù)測(cè)用餐聚會(huì)中向服務(wù)員提供小費(fèi)的趨勢(shì)的過程中，考慮的變量是小費(fèi)金額、賬單總額、性別或付款人、吸煙區(qū)或非吸煙區(qū)、日期、時(shí)間和聚會(huì)規(guī)模。EDA推測(cè)，假設(shè)小費(fèi)可能取決于用餐聚會(huì)上可用的人數(shù)。隨著參加聚會(huì)的人數(shù)增加，賬單金額增加，因此小費(fèi)減少。

機(jī)理分析
機(jī)械統(tǒng)計(jì)分析適用于大型行業(yè)。這種統(tǒng)計(jì)分析的核心方法旨在了解所考慮變量的確切變化類型，這些變化會(huì)導(dǎo)致其他形式的變量。整個(gè)過程取決于通過給定的系統(tǒng)方法機(jī)械化的假設(shè)。它容易受到內(nèi)部組件之間相互作用的影響。沒有外部組件影響的余地。
例如：
車禍的發(fā)生率可以通過機(jī)械統(tǒng)計(jì)分析進(jìn)行分析。在這樣做時(shí)，可以在變量下標(biāo)記有關(guān)乘客和駕駛員對(duì)碰撞反應(yīng)方式的無數(shù)信息。所有這些變量都可用于開發(fā)機(jī)械模型的確定模式，提供有關(guān)碰撞的影響和反應(yīng)的詳細(xì)信息。這些數(shù)據(jù)可以進(jìn)一步開發(fā)，以在汽車中生成安全功能。
最終，可以說，不同類型的統(tǒng)計(jì)分析的應(yīng)用可以實(shí)現(xiàn)到各種信息。對(duì)于所有這些類型的統(tǒng)計(jì)分析，核心目標(biāo)是得出結(jié)果，以便將來能夠產(chǎn)生更好的情況。