大家好，我是宝器！
昨天在知乎看到一个问题：从零开始学数据分析，什么程度可以找工作，如何计划学习方案？
提问者背景是：在coursera 上面学data science 中的R programming，本硕均为化学工程，过去很少接触过 统计、计算机 这两个学科，现在很想转行做数据。具体问题如下：
1.data需要学到什么程度可以找工作，该怎么学？
2.初级的数据分析会做哪些工作？
3.数据分析有什么小方向吗？
4.想要深度做数据分析有怎样的建议
5.统计的学习应该从哪里下手
1-5这几个问题在文末的阅读原文链接有宝器在知乎的回答，有疑问的小伙伴可以去看下。
关于第5点统计学，昨天正好在Github上看到一个MD写的笔记，内容很细，分享给大家。
在每次试验中只有两种可能的结果，而且是互相对立的； 每次实验是独立的，与其它各次试验结果无关； 每次发生的概率不变；
重复多次独立事件，取平均值为新的随机变量， 新的随机变量的新的概率密度函数符合正态分布 二项分布实验次数足够多会趋近于正态分布
任意具有良好的均值和方差的分布，不管分布具体是什么样子，抽取n个样本值（独立重复事件）为一组样本， 样本均值的频率图很接近正态分布。
随着样本容量n增加，样本均值的频率图无限接近正态分布； 抽样分布与原始分布拥有同样的均值， 任何一个样本均值将会约等于其所在总体均值。 抽样分布方差为原始分布方差的1/n(n 为样本容量)
* $\sigma_x^2 = \frac{\sigma^2}{n}$
伯努利分布亦称“零一分布”、“两点分布”。称随机变量X有伯努利分布, 参数为p(0<p<1),如果它分别以概率p和1-p取1和0为值。
置信区间是指由样本统计量所构造的总体参数的估计区间。
假设检验假是是推论统计中用于检验统计假设的一种方法，根据样本统计量来检验对总体参数的先验假设是否成立。
平方误差
协方差是在概率论和统计学中用于衡量两个变量的总体误差，而方差是协方差的一种特效情况，即当两个变量是相同的情况。
若n个相互独立的随机变量ξ₁，ξ₂，...,ξn ，均服从标准正态分布（也称独立同分布于标准正态分布），则这n个服从标准正态分布的随机变量的平方和构成一新的随机变量，其分布规律称为卡方分布。
卡方检验就是统计样本的实际观测值与理论推断值之间的偏离程度，实际观测值与理论推断值之间的偏离程度就决定卡方值的大小，如果卡方值越大，二者偏差程度越大；反之，二者偏差越小；若两个值完全相等时，卡方值就为0，表明理论值完全符合。
用于两个及两个以上样本均数差别的显著性检验。由于各种因素的影响，研究所得的数据呈现波动状。造成波动的原因可分成两类，一是不可控的随机因素，另一是研究中施加的对结果形成影响的可控因素。
笔记地址：
https://github.com/newyoung21/Statistics-notes
联系客服
