離散度度量
學習預測，描述和推斷統計分析與措施的分散課程。
你在《離散度度量》中學到了什麼?
關於這個免費證書課程
在本課程中，您將獲得離散度量的技能。本課程將從學習什麼是統計學及其數據收集開始。然後我們將跳轉到不同類型的統計分析，如預測，描述和推斷。然後我們將學習excel中的分析和描述性統計集中趨勢分散度和形狀。然後，接下來你將了解位置的測量方法，如平均值、中值和模態。最後，通過了解數據、方差和標準偏差的範圍，您將看到離散度的度量。
課程大綱
本節將解釋如何在沒有預先設定條件的假設或預先構建的模型的情況下描述數據。它解釋描述性分析與各種醫療線的例子。
本節通過公式來描述標準偏差的求解方法。它解釋了通過導出的觀測向最精確解的相對趨勢。您還將學習使用Jupyter筆記本中的代碼來更好地理解這一點。在本節後麵的部分中，您還將學習如何圖形化地表示觀察結果、數據和元數據。
統計學是研究數據收集、分析、解釋和呈現經驗數據的科學學科。它探討了數據集中的變化。
統計學使用多種方法收集數據進行統計分析。直接觀察、實驗和調查是獲取數據進行統計分析的最常用方法。該調查通過蓋洛普民意調查、選舉前民意調查、市場調查和其他形式收集人們的數據。
我們的課程指導老師
Abhinanda Sarkar博士
學院主任，偉大的學習beplay2018官网
Abhinanda Sarkar博士是Great Learning for數據科學和機器學習項目的beplay2018官网學術總監。薩卡爾博士獲得了學士學位。和M.Stat。印度統計研究所(ISI)學位和斯坦福大學統計學博士學位。他曾在麻省理工學院(MIT)教授應用數學;曾在IBM擔任研究人員;在通用電氣(GE)領導質量、工程開發和分析部門;曾擔任MYRA商學院副院長;他是OmiX實驗室的聯合創始人。
Sarkar博士的出版物、專利和技術領先地位一直應用於概率模型、統計數據分析和機器學習，如實驗物理、計算機視覺、文本挖掘、無線網絡、電子商務、信用風險、零售金融、工程可靠性、可再生能源和傳染病等不同領域。他的教學主要是統計理論、方法和算法;與應用程序主題一起，如財務建模、質量管理和數據挖掘。
Sarkar博士是精益六西格瑪和六西格瑪設計的認證黑帶大師。他一直是斯坦福大學和ISI的客座教授，並繼續在印度管理學院(IIM-Bangalore)和印度科學學院(IISc)任教。多年來，他為技術和商業專業人士設計並舉辦了大量的企業培訓課程。他是ISI校友會獎章、IBM發明成就獎和GE印度公司的Radhakrishan導師獎的獲得者。
分享你的證書並引起別人的注意
為什麼要學習數據科學?
被雇傭
頂級招聘公司
通過這門課程，你會得到
免費終身訪問
隨時隨地學習
完成證書
在你的職業關係網中脫穎而出
1.0小時
自定節奏的視頻講座
常見問題
你所說的分散度量是什麼意思?
在統計中，度量離散度允許您確定所收集的數據是同質的還是異構的。它可以幫助您解釋數據的可變性，並向您展示變量的分散程度。
四種離散度度量是什麼?
四種常用的離散度度量包括範圍、四分位偏差、平均偏差或平均偏差、標準偏差和方差。
離散度度量的例子有哪些?
離散度度量的例子包括標準偏差、四分位極差(IQR)、極差、平均絕對差、中位數絕對偏差、平均絕對偏差和距離標準偏差
離散度度量的用途是什麼?
離散度度量用於尋找如何將數軸上的數字展開，它也被稱為擴散度量。包含值的表格式表單為您提供了描述和函數名。可以說，範圍是最直接的傳播指標。
在完成這個離散度測量免費課程後，我會獲得證書嗎?
是的，在完成所有模塊並通過評估後，您將獲得“離散度測量”的結業證書。評估測試你的學科知識和技能。
成功的故事
卓越學習beplay2018官网學院的課程對你的職業生涯有幫助嗎?我們的學習者告訴我們該怎麼做。
還有1000多個
離散度度量
在深入研究離散度度量之前，最好先了解一下概要統計學概論．統計學是科學的一部分，它幫助許多人開發和研究收集、分析、解釋和展示數據的方法。統計學也被稱為高度跨學科的領域。統計在科學領域已被證明是有益的。如果你把它升級，它的方法在數據科學技術。統計幾乎在每個領域都起著至關重要的作用。從數學到數據科學，人們發現統計學在尋找解決問題的新方法方麵非常有幫助。研究工作產生了各種統計方法，這些方法現在在分析和處理數據方麵具有優勢。
統計學領域有兩個基本概念:不確定性和變異。在你的生活中，你可能見過許多結果不確定的情況。同樣，許多科學問題的解決方案也是不確定的。有時你的解決方案是不確定的，因為結果還沒有確定。在其他情況下，不確定性發生是因為我們不知道已經存在的解決方案。概率是關於確定性和不確定性的數學概念，它在預測情況中起著重要作用。如果重複相同的測量過程，結果可能會發生變化。
說到統計學中的離散，它是描述如何分散數據集的方法。分散表示數據被分散、拉伸或分散到不同的類別中。離散度幫助您找到特定變量的分布值。統計中的離散度如果平均值假設的任何實例不同，數值數據也可能不同。離散度有助於根據其離散性標準(如範圍、標準偏差和方差)對數據集進行分類。它允許人們以客觀可量化的方式確定數據的質量。可見，離散度度量幾乎與被測量的量有相同的單位。
多種離散度度量方法可以讓您從數據中獲得有價值的見解。它們是:
範圍
方差
標準偏差
偏態
位差
離散度度量分為兩大類，用於度量數據的多樣性。這兩類是:
絕對離散度
相對離散度度量
絕對離散度
絕對離散度量顯示了與初始數據集相同的單位。它表示為分散量的平均值，如平均值或標準偏差。絕對離散度度量的類型包括:
範圍:範圍被認為是最簡單的離散形式，它提供了數據可變性的最大值和最小值之間的差異。
Mean: Mean可以讓你找到平均值。要求結果的平均值，把它們全部加起來，然後除以總項數。
方差方差可以通過找到平均分布中每個項的距離平方和，並將這個和除以存在的項的總數來找到。
標準偏差:方差的平方根將為您提供標準偏差。因此，很明顯，要找到任何數據的標準偏差，必須首先計算其方差。
四分位:它將數據列表劃分為四分位。
四分位偏差:它是數據的上四分位和下四分位之間的差異的度量。這種離散度度量也被稱為四分位範圍。
平均偏差:通過計算數據的平均值或中位數來找到平均偏差或平均偏差。它也表示為後麵不同數據的算術偏差集中趨勢．
離散度的相對度量
這些相對的離散度量是沒有單位的。它主要用於對多個數據集的分布進行比較。相對離散度量和絕對離散度量是一樣的，唯一的區別是測量量。相對離散度量是離散係數的計算。這裏比較了兩個數據係列，但它們的平均值相差很大。當比較兩個不同級數的係數時，它就出現了。
範圍係數:它是分布中最大項和最低項之間的差與這些項之和的比率。
標準偏差的係數:它是項的分布的標準偏差與平均值的比率。
四分位數偏差的係數:它是上下四分位數之間的差異與它們的總和的比率。
平均偏差係數:在計算數據的平均值或中位數時，你會得到中位數偏差係數。
這些分散的知識被認為是至關重要的，因為它們允許您使數據多樣化，並理解數據是如何分散和維護的。您可以找到許多度量離散度的例子來幫助您更好地理解這些概念。您將了解這些離散度度量在何時何地對數據集值具有重要性。為了更好地理解離散度度量，請參加Great Learning的免費離散度度量課程，並深入了解所有基本概念。beplay2018官网成功完成課程中介紹的所有模塊，免費獲得離散度測量證書，提升簡曆，獲得更好的工作機會。今天報名!
