今天是小S入门的第二天了，经过一天的工作洗礼后，终于屁颠屁颠的下班了，拥抱那美好的统计学梦想去了。
言归正常，话说昨天介绍了统计学的入门基础和基本概念后，小S私下反馈进度太慢太慢了，我要一下子学会降龙十八掌，作为为师，十分佩服小S的雄心，只好回了一大耳括子....咳.....咳 废话太多了，调整电影镜头中....
前边我们讲过，由于工作中统计的方便，所以数据分为：
分类型是用标记来识别项目的类型。比如彩球的颜色分类。
数量型就类似平时的表达多少或者大小的数值，比如几个红色的球几个蓝色的等。
小S平时喜欢思考，比如说在超市中购物，有时候会特别好奇在这些卖软饮料这些品牌当中，哪种是最受欢迎的呢？这个问题咱可以用"频数分布"这个角度来分析，所谓频数分布，是指一种数据的表格汇总，表示在几个互不重叠的组别中的每一组的项目个数（即频数）。比如卖软饮料的，可以采用个简单的方法，如果不怕苦的话可以采用人海战术，盯在旁边，每次客户拿什么品牌的就记录下来，样本可以采用50次，假设结果出现19个可口可乐，百事可乐18次，汇源果汁10次，康师傅3次，整理表格如下
此图专业好听的话叫频数分布，可以从分布上能看出每个个体的分布形状，就像生物学上经常见到的某种介绍，狮子活跃在哪里，黑卷尾生活在哪里等若干若干，有助于大体认识，比如你想捕捉黑卷尾，通过分布就能提高遇到的概率哈哈。
频数分布：能表明在几个互不重叠的组别中每一组的项目个数（即频数）。但是通过上图也看到，通过绝对数的介绍人是没有感觉的，或者数大了感觉差不离，没啥影响似的，所以要换算成比例或者百分比更有趣。接下来2个概念，
相对频数分布：各组相对频数数据的表格汇总。公式是：组的相对频数=组频数/n 百分比频数=组的相对频数*100%
在生活中有时候我们得到了好几个样本数据，全是数据值的，对于这种数据型数据确定频数分布的步骤如下：
- 确定互不重叠的组数。（一般来讲都是采用经验的多些，比如你平时注意电话一定会发现大多5 10等多些整数类的，根据数据项来定）
- 确定每组的组宽，可以采用经验公式 近似组宽=（最大数据值-最小数据值）/组数
- 确定组限
累计频数：表示小于或等于每一个组上组限的数据项个数
价值总结：一个频数分布的价值就在于它提供了对数据的深刻理解，而直接观察原始的数据，是看不出什么来的，这就是价值所在。
接下来简单介绍描述统计学的其它图表法（求放过，这种的知识咱百度好么）
- 条形图
- 饼图
- 直方图
- 打点图
- 茎叶图
- 散点图：说说这个，生活中作用大的很，一般是关于2个变量之间的关系的图形表述，比如说一个男的与一个女的关系是怎样的呢，要是正常来讲，大家都会说关系挺好 关系不一般，这种都是文字上的总会有那么缺憾，如果把它量化，那就简单了，比如一天的互动次数，按时间来分解，如果很明显的直线关系，那可以判断这2人关系不一般哼哼（这里不严谨）。我们举个商业类的，比如销售额与广告的关系，这种就发挥作用了，到底有没有效果可以一定程度上来通过散点图分析。注意，这里散点图是判断的是相关关系而不是因果关系。通过一个例子来看（x轴是广告次数，Y轴是销售额（100美元）
像本图描述的就是正相关关系，表明了广告次数和销售额直接存在正相关关系。但是所有的点并没有在一条线上，所以这种关系是不完全的。然而，这些带你的分布模式和趋势线表明，整体关系是正相关的。
反过来：
像本图表明：广告次数和销售额之间存在负相关次数。较高的销售额和较高的广告次数没有产生联系，反而加速了销售额下滑，（这里不讲广告和实际产品出现某种意外，比如不匹配或者引发了质量事件等，再者实际这种情况 很少，这里只是为举例负相关），这种图就是负相关，即随的X增加，Y趋向减少。
不思不觉45分钟过去了，这节课收获满满，瞧了瞧QQ信息等，小S深深的感受到了充分利用时间不闲玩，专注学习的魅力，他相信，随的时间的演化，他会加速实现想要的生活。接下来看了看明日统计学的预告
- 位置的度量
- 变异的度量
- 两关系间的度量
话说讲到这里，摆擂台，抛绣球，小S累个半死，预知小S累成啥样了，静待明日分解。
