视频教程

R语言分组计算描述性统计量 在上一篇博客中介绍了如何计算数据整体的描述性统计量，点击查看。这里将注重介绍如何分组计算描述性统计量，介绍两个函数：aggregate()、dexcribe.by() 1、aggregate 这个函数的功能比较强大，它首先将数据进行分组（按行），然后对每一组数据进行函数统计，最后把结果组合成一个比较合适的表格返回。根据数据对象不同它有三种用法，分别应用于数据框（data.frame）、公式（formula）和时间序列（ts）。 aggregate(x, by, FUN, ..., simplify = TRUE) aggregate(formula, data, F

应用实例1——描述性统计 1、描述性统计（Descriptive statistics） 描述性统计是统计的基础。其任务是为每个统计变量提供基础信息： 平均值（mean） 最小值与最大值（minimum and maximum values） 测量值的变化（ variation of measures ），也就是分布的形状（shape of the distribution） 标准偏差（standard deviation） 标准误差（standard error） （1）、平均值 定义 平均值是最常用的统计描述量，它给出了变量的一种“趋向中心”的信息，当然是要在在满足置信区间的条件下。 置信区间是群体的“真实”平均值信息在我们可以接受的可信度范围内的一个尺度。

使用R语言进行简单的股票分析、描述性统计分析，对其中的一项参数进行时间序列分析，并且对两支股票进行比较，程序简单易懂，里面包含数据集

该课题为基于MATLAB的肤色的人数统计系统，以地铁车厢为实际背景，通过预测的方式，结合肤色统计人脸得到车厢人数，从而估计拥挤度，将结果反馈给车站里的视频，让乘客得知每节车厢的拥挤程度，从而合理分配车厢乘客，避免资源浪费和拥挤，本设计带有一个GUI交互界面。是一个人数统计类课题，该课题可以应用于教室人数统计，十字路口行人统计等等方面。

6.1　Frequencies过程 6.1.1　界面说明 6.1.2　分析实例 6.1.3　结果解释 6.2　Descriptives过程 6.2.1　界面说明 6.2.2　结果解释 6.3　Explore过程 6.3.1　界面说明 6.3.2　结果解释 6.4　Crosstabs过程 6.4.1　界面说明 6.4.2　分析实例 6.4.3　结果解释 描述性统计分析是统计分析的第一步，做好这第一步是下面进行正确统计推断的先决条件。SPSS的许多模块均可完成描述性分析，但专门为该目的而设计的几个模块则集中在Descriptive Statistics菜单中，最常用的是列在最前面的四个过程：Frequencies过程的特色是产生频数表；Descriptives过程则进行一般性的统计描述；Explore过程用于对数据概况不清时的探索性分析；Crosstabs过程则完成计数资料和等级资料的统计描述和一般的统计检验，我们常用的X2 检验也在其中完成。

本博客运行环境为Jupyter Notebook、Python3。使用的数据集是鸢尾花数据集（Iris）。主要叙述的是数据可视化。 IRIS数据集以鸢尾花的特征作为数据来源，数据集包含150个数据集，有4维，分为3 类，每类50个数据，每个数据包含4个属性，是在数据挖掘、数据分类中常用的测试集、训练集。 读取数据包括sklearn库引入和读取.csv文件保存的数据集。 显示数据包括显示具体数据、查看整体数据信息、描述性统计。 数据可视化包括散点图、直方图、KDE图、箱线图。 目录读取数据显示数据数据可视化 读取数据 从sklearn库中读取：（我使用的是该种办法） ，因为文件运行起来总缺少一

统计学高清思维导图-描述性统计： 表格和图形法

统计学高清思维导图-描述性统计：数值方法

详细介绍如何用spss做描述性统计分析，包含案例、实验和视频讲解