导图社区 中级经济师《统计与数据科学》
中级经济师《统计与数据科学》最新版思维导图，包括统计学的定义和分支、变量和数据、数据来源、统计调查等内容。
本章为CPA第十一章《借款费用》的思维导图，整理了该章的主要内容和逻辑结构，有助于知识点的理解与记忆，适用于考试复习！欢迎查看！
本人详细整理了CPA会计科目的第十二章-或有事项的思维导图，欢迎大家查看，建议收藏学习！
第二部分 章节题库 第一章 利率与汇率 第二章 金融市场与金融工具 第三章 金融机构与金融制度体系 第四章 商业银行经营与管理 第五章 证券公司与证券投资基金...
社区模板帮助中心，点此进入>>
CPA战略风险管理、战略实施
substantive procedures
初级会计实务第一章
会计科目
增值税法思维导图
第六章 合同的保全
固定资产
初级会计实务第二章：存货
初级会计实务思维导图
应收及预付款项
统计与数据科学
统计学
统计学定义
收集、整理、分析和从数据中得出结论的科学
两大分支
描述统计：研究数据收集、整理和描述的统计方法 内容：如何取得所需数据、如果和用方法对数据整理显示、如何描述数据一般特征
推断统计：研究如何利用样本数据推断总体特征的统计方法；参数估计、假设检验
变量与数据
变量：研究对象的属性或特征，可以有两个或者更多个可能的取值
定量变量（数量变量）：取值是数量
定性变量：分类变量取值是类别，顺序变量取值是类别且有顺序
数据：对变量进行测量、观测的结果
定量数据：表现为具体的数据，可进行加减乘除计算
分类数据：表现为类别，一般用文字和数值代码描述，分类数据可计算出各类别的频数
顺序数据：表现为类别，一般用文字和数值代码描述
数据来源的分类
按收集方法
观测数据：直接调查或测量而收集的数据，一些与社会经济现象相关的统计数据，如GDP、CPI、房价
实验数据：从实验中收集的数据：自然科学领域多，如新产品的使用寿命、新药疗效数据
从使用者的角度
一手数据/直接数据 直接来源：调查或观察 实验
二手数据 来源于别人的调查和实验的数据
统计调查
概念
按预定目的和任务，用科学的统计调查方法，有计划有组织地搜集数据信息资料的过程 特征：调查是一种有计划、有方法、有程序的活动。调查结果表现为搜集到的数据
种类
按调查对象的范围不同
全面调查：所有单位逐一无漏调查。包括全面统计报表、普查（人口普查、经济普查：对象是第二、三产业活动）
非全面调查：一部分单位调查。包括非全面统计报表、抽样调查、重点调查和典型调查
按调查登记的时间是否连续
连续调查：在观察一定时期内的数量变化。例如产品生产、原材料投入、能源的消耗、人口出生、死亡率
不连续调查：间隔相当长时间做的调查，研究总体现象在一定时点上的状态，例如生产设备拥有量、耕地面积
统计调查方式
统计报表
含义：按国家有关法规规定，自上而下地统一布置，自下而上地逐级提供基本统计数据的一种调查方式。原始数据为基础，按照统一表式、统一指标、统一报送时间和报送程序进行填报。
分类：按调查范围不同分为全面统计报表（大多数）和非全面统计报表；按时报送周期分为日报、月报、季报、年报；按报表内容和实施范围分为：国家、部门、地方的统计报表
普查
含义：为某一特定目的而专门组织的一次性全面调查。适合特定目的、特定对象的一种调查方式。用于了解处于某一时点状态上的社会经济现象的基本全貌
特点：（1）普查通常是一次性的或者周期性的；消耗大量人力物力财力，间隔时间长； （2）一般规定统一的标准调查时间，以免调查数据的重复或遗漏，保证普查结果准确性。一般每10年或5年进行一次。经济普查每10年2次，年份尾数3、8实行，1月1日0时；人口普查10年1次，年份尾数0实行，11月1日0时；农业普查10年1次，年份尾数6实行，1月1日0时（3）数据比较准确，规范化程度较高，为抽样或其他调查提供基本依据 （4）使用范围较窄，只能调查最基本及特定现象
抽样调查
根据样本调查结果来推断总体数量特征的一种非全面调查，是最广泛的一种调查方式
特点：经济性（最显著的优点）、时效性强、适应面广、准确性高
重点调查
总体中选一部分重点单位进行调查，所选择的重点单位就调查的标志值来说在总体中占绝大比重，能反映被调查对象的基本情况
特点：（1）适用范围很广，只求了解基本状况和发展趋势时比较适宜。（2）能以较少的投入、速度取得某些现象主要标志的基本情况或变动趋势。
典型调查
根据调查目的与要求，在对被调查对象进行全面分析基础上，有意识地选择若干具有典型意义或有代表性的单位进行调查
作用：通过对典型单位深入细致的调查，可以及时发现新情况、新问题；一定条件下可以验证全面调查数据的真实性。优点：灵活机动； 局限：很大程度受人们主观认识影响，需和其他调查结合使用，才能避免出现片面性
统计质量评价标准
真实性、准确性、完整性、及时性、适用性、经济型、可比性、协调性、可获得性
数据科学与大数据
数据科学
丹麦彼得 诺尔提出，一门通过系统性研究获取与数据相关的知识体系的学科，即研究数据
研究对象：数据整合成信息、再组织成知识的过程。包含数据采集、储存、处理、分析、表现等。一方面研究数据本身特性和变化规律；另一方面通过研究为自然科学和社会科学提供新方法，揭示自然界与人类行为的现象和规律
大数据
含义：无法一定时间用常规软件捕捉、处理的数据集合，需用新处理模式才具有更强决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产
特性：4V，数据量大（单位PB）、数据多样性（结构化数据：二维表；非结构化数据：办公文档文本图片报表图像视频音频；半结构数据：员工简历）、价值密度低（价值密度该地与数据总量大小成反比）、数据的产生和处理速度快（1秒定律）
数据挖掘
含义：从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐藏的有潜在价值的信息和知识， 数据源必须是真实的、大量的、有噪声的；发现用户感兴趣的知识；发现的知识可接受、理解、运用的；只支持特定的发现问题
出发点：解决实际问题；核心任务：对数据关系和特征进行探索
类型：
监督学习（建模）
每个观测单位有自变量、因变量，根据已有数据集，训练出模型可以根据自变量数据得到因变量预测结果的过程。类型：分类（因变量是分类变量）和回归（因变量是定量变量，线性回归、非线性回归、分位数回归）
无监督学习
每个观测单位只有自变量，无因变量。主要任务是探索数据之间的内在联系和结构类型：聚类（一组数据按差异性和相似性分类，基于划分、分层、密度、网格、模型的方法）和降维（不损失过多信息的前提下，将n个相关特征降为k个不相关特征，即特征提取。主成分分析法、因子分析法）
半监督学习
两者之间的学习方式，半监督分类、半监督回归、半监督聚类
常用算法：分类（监督学习）、聚类分析（无监督学习）、关联分析（反复出现的关联关系和关联性进行挖掘）、趋势与演化分析、其他分析（特征分析、异常分析）
