前言

话不多说先上题

image-20201223000000024

1. 项目需求

• 显示数据相关性
• 猜测符合那种分布并给出可信度
• 该分布在逻辑意义上对数据相关的指导意义（哪些数据有可能对哪些结果有直接因果关系，并且给出因果关系的概率）

2. 前期准备

• 统计学数据相关性：一是相关分析，即通过引入一定的统计指标量化变量之间的相关程度；另一个是回归分析，由于回归分析不仅仅刻画相关关系，更重要的是刻画因果关系
• 统计学分布：离散型随机变量分布（两点分布/伯努利分布、二项分布、超几何分布、几何分布、负二项分布、泊松分布）、连续型随机变量分布（均匀分布、指数分布、正态分布）
• python所使用的工具包（numpy、scipy、matplotlib）Anaconda
• python所使用的辅助包（ Pandas、Statsmodels、Seaborn）

3. 工具包介绍

• numpy，scipy，matplotlib

  NumPy 通常与 SciPy（Scientific Python）和 Matplotlib（绘图库）一起使用， 这种组合广泛用于替代 MatLab，是一个强大的科学计算环境，有助于我们通过 Python 学习数据科学或者机器学习

• pandas

  Pandas 是基于 NumPy 的一个开源 Python 库，它被广泛用于快速分析数据，以及数据清洗和准备等工作。它的名字来源是由“ Panel data”（面板数据，一个计量经济学名词）两个单词拼成的。简单地说，你可以把 Pandas 看作是 Python 版的 Excel

• statsmodels

  Python StatsModels允许用户浏览数据，执行统计测试和估计统计模型。它应该补充SciPy的统计模块。它是Python科学堆栈的一部分，用于处理数据科学，统计数据和数据分析

• seaborn

  seaborn同matplotlib一样，也是Python进行数据可视化分析的重要第三方包。但seaborn是在matplotlib的基础上进行了更高级的API封装，使得作图更加容易，图形更加漂亮