對於數據分析師來說，我們是必須學習統計學知識的，但多數人在學習統計學知識時會無比頭疼，因為統計學的書籍裡幾乎都是複雜的推理公式，讓人難以理解。

其實，對於大部分數據分析師來說，我們並不需要掌握的那麼細。因此，數據君這次就和大家分享一下數據分析師必須要掌握的統計學知識，讓大家大致瞭解有哪幾個模組知識，然後跟著這些模組知識去學習。

1、機率與機率分佈

先要明確，統計學不研究統計，它研究的是不確定性！而不確定性事件唯一的量化標準就是機率，獨立隨機事件沒法透過機率來預判何時發生，但卻可以用機率來描述事件發生的可能性。

這一模組主要掌握：

◆隨機事件的機率
◆離散隨機變數
◆連續隨機變數的機率分佈

2、數據的概括性度量

在數據人的實際工作中，你會經常遇到這種情況：業務人員/老闆給你一堆數據，讓你分析。這時，大多數人會不知所措，不知道從哪一步開始整理這些數據。這個時候就需要透過概括性的度量指標，幫我們從宏觀上把握數據中的初步資訊。

這一模組主要掌握：
◆集中趨勢的度量
◆離散程度的度量
◆分佈形態的度量

3、迴歸分析

迴歸分析，因為它的易懂性，也因為它的實用性，但隨著自己數據分析經驗的積累，對迴歸分析的理解也越來越深，它不是簡單的迴歸模型求解那麼簡單，它更是一種日常工作中解決問題的思路和方法論。

這一模組主要掌握：
◆相關係數
◆迴歸分析
◆最小二乘法
◆顯著性檢驗

4、統計量及其抽樣分佈

抽樣，就是從研究的總體中抽取一部分個體作為我們真正的研究物件，稱為樣本，最後透過樣本的結果來推測總體情況。

這一模組主要掌握：
◆統計量的基本概念
◆常用統計量
◆正態分佈

5、參數估計

參數估計，顧名思義就是對參數進行估計，也就是指用樣本指標（稱爲統計量）估計總體指標（稱爲參數），用樣本均數估計總體均數以及用樣本率估計總體率。

這一章節，需要大家掌握幾個核心概念：
◆參數
◆點估計
◆區間估計

以上就是本期的內容分享~~，碼字不易，如果覺得對你有一點點幫助，歡迎「追蹤」，「按贊」，「分享」喔，我會持續為大家創作優質的內容~~

點選下方圖片免費體驗FineBI工具demo!