（1）准确：用数字语言来反映客观实际； （2）快速：统计信息服务必须具有时效性和紧迫性； （3）完整：调查单位没有遗漏，调查项目没有缺陷，资料数据齐全； （4）精炼：统计信息具有针对性、时效性、精确性。
若水若谷
2020-03-16
标志在同一总体不同总体单位之间的差别称为变异。例如：人的性别标志表现为男、女；年龄标志表现为20岁、30岁等。 变异标志又称为变量，是说明现象某种特征的概念，其特点是从一次观察到下一次观察结果会呈现出差别或变化。变量的具体取值称为变量值。
若水若谷
2020-03-16
=IF(MOD(LEFT(RIGHT(C10,2),1),2),"男","女") 很简单的逻辑。奇数是男，偶数是女。mod函数取余，所以对男取余返回1，为真。对女取余返回0，为假。
若水若谷
2020-03-16
统计的基本任务是对经济社会发展情况进行统计调查、统计分析，提供统计资料和统计咨询意见、实行统计监督。 统计的信息、咨询和监督三大职能，是相互作用、相互促进、相辅相成和密切联系的。信息职能是统计最基本的职能，是保证咨询和监督职能得以有效发挥的前提。咨询和监督职能是在信息职能基础上的拓展和深化，是在充分发挥信息资源作用的基础上，对统计整体效能的提高。
若水若谷
2020-03-15
（1）统计总体： 总体是包含研究对象的全部个体的集合。根据其包含的单位数目是否可数可分为有限总体和无限总体。 总体的特征包括：同质性，即总体单位必须具有某一共同品质标志属性或数量标志数值，它是构成总体的条件；大量性，即构成总体的单位数目要足够多；差异性，即总体单位必须具有一个或若干个品质变异标志或数量变异标志。 （2）总体单位： 是组成总体的各个个体事物，简称个体； （3）关系： 统计总体和总体
若水若谷
2020-03-15
按照所采用的计量尺度的不同，可以将统计数据分为分类数据、顺序数据和数值型数据。 分类数据是只能归于某一类别的非数字型数据，它是对事物进行分类的结果，数据表现为类别，是用文字来表述的。 顺序数据是只能归于某一有序类别的非数字型数据。顺序数据虽然也是类别，但这些类别是有序的。 数值型数据是按数字尺度测量的观测值，其结果表现为具体的数值。现实中所处理的大多数数据都是数值型数据。 分类数据和顺序数据说明的
若水若谷
2020-03-15
总体是包含研究对象的全部个体的集合，组成总体的每个元素称为个体。比如：要检验一批灯泡的使用寿命，这批灯泡构成的集合就是总体，每个灯泡就是一个个体。 样本是从总体中抽取的一部分元素的集合，构成样本的元素数目称为样本量。抽样的目的就是根据样本信息去推断总体特征。比如：从一批灯泡中随机抽取100个来推断这批灯泡的使用寿命，这100个灯泡就构成了一个样本，100就是该样本的样本量。 参数是用来描述总体特征
若水若谷
2020-03-15
电商黄金公式： 销售额 = 流量 * 转化率 * 客单价 流量转化率重要指标： • 访客数（UV）：到达店铺页面的非重复用户数 • 收藏人数：到店访客中收藏网页的人数 • 加入购物车人数：到店访客中有过加入购物车行为的人数 • 支付人数： 到店访客中完成订单支付行为的人数 • 收藏人数占比： 收藏人数 / 访客数 • 加入购物车人数占比： 加入购物车人数 / 访客数 • 支付人数占
若水若谷
2020-03-15
电商黄金公式： 销售额 = 流量 * 转化率 * 客单价 流量转化率重要指标： • 访客数（UV）：到达店铺页面的非重复用户数 • 收藏人数：到店访客中收藏网页的人数 • 加入购物车人数：到店访客中有过加入购物车行为的人数 • 支付人数： 到店访客中完成订单支付行为的人数 • 收藏人数占比： 收藏人数 / 访客数 • 加入购物车人数占比： 加入购物车人数 / 访客数 • 支付人数占比
若水若谷
2020-03-15
数据源得按照日的时间节点保存数据，除了可以分析实时的日数据，可以分析日期维度的过程数据，无论是做对比或者汇总等
若水若谷
2020-03-15
电商黄金公式： 销售额 = 流量 * 转化率 * 客单价 流量数量重要指标： • 访客数（UV）：到达店铺页面的非重复用户数 • 浏览量（PV）：店铺内浏览和查看页面的累加次数 • 访问次数（Visits）：一个会话内被用户连续访问的次数 • 新访客数： 新进访客数 流量质量重要指标： • 平均访问深度：浏览量 / 访问次数 • 跳失率：跳出次数 / 访问次数 • 新访客占比： 新
若水若谷
2020-03-15
1. 直方图或茎叶图：根据画出的样本数据频数分布的直方图或茎叶图来判断。若数据近似服从正态分布，则图形的形状与正态曲线应该相似。 2. P-P图或Q-Q图：根据绘制样本数据的正态概率图来判断。若数据近似服从正态分布，则观测值和理论值形成的散点大致分布在第一象限的对角线上。其中，P-P图是根据观测数据的累积概率与理论分布（此处为正态分布）的累积概率的符合程度绘制的；Q-Q图则是根据观测值的实际分位数
若水若谷
2020-03-14
1. 数据清洗：主要是为了保证数据的完整性与准确性。主要包括处理缺失值、识别和处理异常值两个方面。 2. 数据标准化：主要是为了消除量纲和变量自身变异大小和数值大小的影响。主要方法有离差标准化、标准差标准化和小数定标。
若水若谷
2020-03-14
