数据分析学习笔记

白天 夜间 首页 下载 阅读记录
  我的书签   添加书签   移除书签

7.8~7.10 SPSS看T检验

浏览 119 扫码 分享 2023-11-23 20:29:13
  • 7.8 SPSS看单样本T检验
  • 7.9 SPSS看独立均值T检验
  • 7.10 SPSS看非独立均值T检验

    7.8 SPSS看单样本T检验

    点击查看【bilibili】

    7.9 SPSS看独立均值T检验

    点击查看【bilibili】

    7.10 SPSS看非独立均值T检验

    点击查看【bilibili】

    若有收获，就点个赞吧

    0 人点赞

    上一篇:
    下一篇:
    • 书签
    • 添加书签 移除书签
    • 数据分析思维提升（公号：三元方差）
      • 0 | 技能决定下限，思维决定上限
      • 模块一 懂：数据分析思维基本功
        • 01 | 目标导向：如何走出取数的怪圈？
        • 02 | 客观严谨：事实 论证过程 观点，打造高水准分析
        • 03 | 指标思维：如何搞清楚各种不同的指标类型
        • 04 | 逻辑推理：招聘要求里的逻辑思维能力到底指什么？
        • 05 | 系统结构：跳出问题看问题，让你的分析直击关键
        • 06 | 懂业务：让你的分析结果与业务方、领导同频
        • 07 | 懂用户：数据分析 用户思维=精细化运营
      • 模块二 做：万能的业务问题分析框架
        • 08 | 分析流程：业务数据分析的通用流程
        • 09 | 定义问题：怎么定义问题，打通分析思路？
        • 10 | 拆解问题：为什么总是拆解出一堆没用的数据？
        • 11 | 找出原因：问题原因那么多，哪条才是最关键
        • 12 | 提出建议：什么才是有价值的建议？
        • 13 | 报告撰写：怎样高效地写一份数据分析报告？
      • 彩蛋1 | 数据运营：如何搭建数据运营体系？
      • 数据分析师入职新公司后，该做点啥？
    • 秦路数据分析课
      • 第一周：数据分析思维
        • 1.1 数据分析的三种核心思维（结构化）
        • 1.2 数据分析的三种核心思维（公式化）
        • 1.3 数据分析的三种核心思维（业务化）
        • 1.4 数据分析的思维技巧（象限法）
        • 1.5 数据分析的思维技巧（多维法）
        • 1.6 数据分析的思维技巧（假设法）
        • 1.7 数据分析的思维技巧（指数法）
        • 1.8 数据分析的思维技巧（二八法）
        • 1.9 数据分析的思维技巧（对比法）
        • 1.10 数据分析的思维技巧（漏斗法）
        • 1.11 如何在业余时间锻炼数据分析思维
        • 第一周总结（思维导图）
      • 第二周：业务
        • 2.1 为什么业务重要
        • 2.2 经典的业务分析指标
        • 2.3 市场营销指标
        • 2.4 产品运营指标
        • 2.5 用户行为指标
        • 2.6 电子商务指标
        • 2.7 流量指标
        • 2.8 怎么生成指标
        • 2.9 如何建立业务分析框架
        • 2.10 市场营销模型
        • 2.11 AARRR模型
        • 2.12 用户行为模型（内容平台）
        • 2.13 电子商务模型
        • 2.14 流量模型
        • 2.15 如何应对各类业务场景
        • 2.16 如何应对各类业务场景（小练习）
        • 2.17 数据化管理业务
      • 第三周：Excel
        • 3.1 为什么要学习Excel
        • 3.2 文本清洗函数
        • 3.3 常见的文本清洗函数练习
        • 3.4 关联匹配函数
        • 3.5 逻辑运算函数
        • 3.6 计算统计函数
        • 3.7 时间序列函数
        • 3.8 Excel的常见技巧
        • 3.9 Excel工具（1）
        • 3.10 Excel工具（2）
        • 3.11 用Excel进行数据分析（1）
        • 3.12 用Excel进行数据分析（2）
      • 第四周：数据可视化
        • 4.1 数据可视化之美
        • 4.2 常见的图表类型与应用
        • 4.3 高级图表类型与应用
        • 4.4 图表绘制
        • 4.5 Excel绘图技巧
        • 4.6 散点图
        • 4.7 辅助列
        • 4.8 复合图表
        • 4.9 甘特图（1）
        • 4.10 甘特图（2）
        • 4.11 标靶图
        • 4.12 杜邦分析法
        • 4.13 Power BI入门
        • 4.14 Power BI基础功能
        • 4.15 Power BI操作技巧
        • 4.16 用BI进行数据分析（1）
        • 4.17 用BI进行数据分析（2）
        • 4.18 Dashboard
      • 第五周：MySQL
        • 5.1 MySQL安装
        • 5.2 数据库
        • 5.3 数据库实操
        • 5.4 SQL select
        • 5.5 SQL 条件查找
        • 5.6 SQL group by
        • 5.7 SQL group by 高级
        • 5.8 SQL 函数
        • 5.9 SQL 子查询
        • 5.10 SQL join
        • 5.11 SQL leetcode
        • 5.12 SQL 加载
        • 5.13 SQL 时间
        • 5.14 SQL 练习（1）
        • 5.15 SQL 练习（2）
        • 5.16 SQL 连接 power bi
      • 第六周：统计学
        • 6.1 描述统计学
        • 6.2 分位数
        • 6.3 标准差
        • 6.4 权重统计
        • 6.5 切比雪夫
        • 6.6 箱线图
        • 6.7 直方图
        • 6.8 概率
        • 6.9 贝叶斯
        • 6.10 二项分布1
        • 6.11 二项分布2
        • 6.12 泊松分布
        • 6.13 正态分布
        • 6.14 假设检验
      • 第七周：Python
        • 7.1 入门
        • 7.2 数据类型
        • 7.3 变量
        • 7.4 列表
        • 7.5 列表进阶
        • 7.6 元组和字典
        • 7.7 集合
        • 7.8 控制流
        • 7.9 Python控制流循环
        • 7.10 Python循环进阶
        • 7.11 Python函数
        • 7.12 高阶函数
        • 7.13 第三方包
        • 7.14 numpy
        • 7.15 Python series
        • 7.16 dataframe
        • 7.17 Python dataframe查找
        • 7.18 read_csv
        • 7.19 计算
        • 7.20 Python groupby
        • 7.21 Python Pandas关联
        • 7.22 Python Pandas 多重索引
        • 7.23 Python Pandas 文本函数
        • 7.24 Python Pandas 去重
        • 7.25 Python Pandas apply
        • 7.26 Python Pandas 聚合 apply
        • 7.27 Python Pandas 数据透视
        • 7.28 Python 连接数据库
        • 7.29 Python连接数据库2
        • 7.30 Python 连接数据库3
        • 7.31 Python 练习 markdown
        • 7.32 Python练习
          • 练习1
          • 练习2
          • 练习3
          • 练习4
          • 练习5
          • 练习6
          • 练习7
          • 练习8
          • 练习9
        • 7.33 Python 可视化
          • 折线图、柱形图
          • 直方图
          • 箱线图、密度图
          • 面积图、散点图、散点图矩阵、饼图
          • 解决不显示中文和负号的问题
          • matplotlib.pyplot绘图的元素
          • matplotlib一张画布上叠加图层
          • 绘制子图subplot：一张画布上绘制多个图表
        • 7.34 Python seaborn
          • seaborn1
          • seaborn2
          • seaborn3
          • seaborn4
          • seaborn5
          • seaborn6
        • 7.35 python superset
          • superset1
          • superset2
          • superset3
          • superset4
          • superset5
    • 李启方数据分析课（公号：数据分析不是个事）
      • 0. 序篇
        • 0.1 初识数据分析
        • 0.2 如何做一次完整的数据分析？
        • 0.3 为什么你的分析没有价值？
        • 0.4 一个案例快速上手数据分析
      • 1. 必备基础：统计学的那些事
        • 1.1 有趣的统计学
        • 1.2 描述型统计
        • 1.3 推理型统计
        • 2.1 统计学模型—回归模型
        • 2.2 统计学模型—聚类模型
        • 2.3 统计学模型—贝叶斯模型
        • 第一章作业练习
      • 2. 入门前提：SQL与数据提取
        • 第二章作业
      • 3. 进阶法门：BI工具分析技巧
        • 3.1 PowerBI、FineBI和Tableau对比简介
        • 3.2 半小时掌握finebi
        • 第三章练习作业
      • 4. 探究本质：被忽略的数据思维
        • 4.1 三大基础思维
        • 4.2 八大必备思维
        • 4.3 指标与业务思维
      • 5.分析捷径：快速套用的数据模型
        • 5.1 电商商品模型
        • 5.2 用户分析模型
        • 5.3 市场分析模型
      • 7.业务数据分析
        • 7.1 业务数据分析
      • 能力提升：数据可视化入门须知
      • 实践出真知：业务场景分析实战
      • Excel入门：透视表与函数的应用
      • 职业规划：数据分析何去何从
    • 统计学
      • 第六章 样本、总体、均值的抽样分布与置信区间
      • 第七章 检验
        • 7.1 假设检验
        • 7.2 一组样本怎么做假设检验？
        • 7.3 单样本t检验
        • 7.4 非独立均值t检验
        • 7.5 独立均值t检验
        • 7.6 比例的差异检验
        • 7.7 单尾检验
        • 7.8~7.10 SPSS看T检验
      • 第八章 方差
        • 8.1 方差分析的思路
        • 8.2 方差分析的案例
        • 8.3 事后检验
        • 8.4 交互效应
        • 8.5 方差分析的spss操作
        • 8.6 用spss看交互效应
      • 第九章 卡方
        • 9.1 理解单因素卡方分析
        • 9.2 单因素卡方分析之spss操作
        • 9.3 双因素卡方分析
        • 9.4 双因素卡方分析之spss操作
      • 第十章 相关
        • 10.1 理解相关
        • 10.2 相关分析的spss操作
        • 10.3 偏相关的理解与spss操作
      • 第十一章 回归
        • 11.1 对一元回归模型的理解
        • 11.2 一元回归的spss操作
        • 11.3 标准化回归系数
        • 11.4 误差消减比例
        • 11.5 判断模型的解释力是否显著
        • 11.6 R平方与调整后的R平方
    • 项目案例
      • 基于Python的AB测试案例
    • 业务相关的商业工具
      • Google Ads
        • 2. 从战略角度思考目标​
        • 3. 效果衡量和归因简介
        • 4. 搜索的基本概念
        • 5. Google Ads搜索广告的竞价原理
      • GA(Google Analytics)高级课程学习笔记
      • Facebook广告投放基础知识
    • 面试考试知识点
      • 笔试真题
        • 10个经典Hive-SQL面试题
        • 腾讯面试题
        • 给用户打标签
      • 常见的数据分析师面试问题
      • 窗口函数
      • 数据埋点
      • A/B测试
      • 风险预警中指标阈值确定的方法
    暂无相关搜索结果！

      让时间为你证明

      展开/收起文章目录

      分享，让知识传承更久远

      文章二维码

      手机扫一扫，轻松掌上读

      文档下载

      请下载您需要的格式的文档，随时随地，享受汲取知识的乐趣！
      PDF文档 EPUB文档 MOBI文档

      书签列表

        阅读记录

        阅读进度: 0.00% ( 0/0 ) 重置阅读进度
          思维导图备注