第一章
我要研究的对象是什么，分析的重点是什么，我要解决什么？
第二步：将主要的大问题分解为无数的小问题，当小问题解决了，大问题自然迎刃而解。 第三步：评估，将得到的数据拆分 对比 得出有用的结论。 第四步：从分析评估中给出决策。 注意：分析与评估是基于正确的信息基础的，如果是从错误的信息中得出的结论，那么又得从头开始分析。
第二章：实验
通过数据的走势异常判断可能得原因，越多的比较越能发现潜藏深处的问题
有时候我们确定了一对因果关系，我们需要将因果关系倒过来推一下比较好
作为分析师需要不断的考虑混杂因素的影响
做实验的时候常常需要有控制组和实验组，但是即使是这样也不免有混杂因素的影响
可比性？ 一个大区域中的若干小区域
随机能够将混杂因素均匀的分散至若干个小区域，最终达到化解混杂因素的目的
控制组是原始对照的作用，实验组才是用于观察效果
在统计的课程中学习到：实验的两组间必须有相关变量，还有独立变量，如果出了独立变量其他的变量都一样，那么实验的结果与独立变量的相关性就越高。在一个疫苗试验中，控制组注射同样剂量的其他试剂，而不是什么都不用做，因为这样才有可比性，这样可以排除一些心理的影响对实验结果造成的误差。
第三章：最优化问题
当你希望尽量多的获得某种东西，而为了实现这个目的需要改变其他一些量的值，就是一个最优化问题。
一切模型都是错误的，但其中一些是有用的 by george box
我们无法规定全部的假设条件，但是只要确实一个重要的假设条件，分析结果就可能毁掉。
第四章 图形让你更精明
要是手头数据庞杂，而且对于如何处理这些数据没有把握，这时只要记住你的分析目标就行了：记住目标，目光停留在和目标有关的数据上，无视其他。
着眼于问题，只要数据的分析能够解决客户的问题，不管是平凡还是精美都没关系。
数据图形化的根本在于正确比较
一个优秀的图形所具备的优点： -展示了数据 -做了高明的比较 -展示了多个变量
用散点图探索因果关系
数据图形化的大师：Edward tufte
我们能从数据的图形趋势推论出一个结果，但是其中的因果关系更值得深思。
第五章 假设检验
观察数据变量有个好方法 看变量间是正相关还是负相关，将各个变量利用正负相关性绘制一个模型图。
因为现实中的各种原因呈网络关系，并非线性关系。
作为一个分析师，需要在因果的网络中看出门道，需要开阔的视野，
假设检验的核心是证伪 无需选出最合理的假设，只需剔除无法证实的假设
到了最后如果还是不能排除一些其他的选项，那么需要借助诊断性证据排出优先级。 诊断性证据是指那些有区分度的证据，对各个选项的贡献度不一样。
第六章 贝叶斯统计
不能忽视条件概率，需要考虑基础概率来计算我们的生活
有时候将概率转换为整数可以有效的避免失误 记住一个公式：
P(A∩B)=P(A)*P(B|A)=P(B)*P(A|B)
第七章 信念数字化将可能 大有可能 有机会 肯定等模糊的概率词汇换成精确的百分比。
始终记住 确认问题才是第一位的
stdev()用来计算一组数的标准偏差，表示数据基于平均值的离散程度
当既定的分析已定，出现新的关键信息，需要在基础概率上做操作，用到贝叶斯统计
第八章 启发法
启发法是从直觉走向最优化的桥梁
直觉往往是靠不住的，看到的是片面，但是启发法可以看到多个选项。
以一个点出发向结果延伸，如果不令人信服，结果之前还需要添加点路径？
第九章 数字的形状
R语言的一些基本操作： source（“”）用于下载一个表 save.image 用于保存表 直接输入表的名字，用于打开一个表 hist(表名字$自变量，breakes=)breakes用于分组的个数 sd(表名字$自变量) 用于计算标准差 summary(表名字$自变量) 返回总体的汇总统计值 help（函数名）弹出帮助网页
标准偏差：用于计算样本中的值相对于平均值的分散程度 总体标准偏差σ=Sqrt[(∑(xi-μ)^2) /N]，公式中∑代表总和，μ代表总体x的均值，^2代表二次方，Sqrt代表平方根。
数据分析就是发现条件选择对于结果的影响，所以我们往往需要做到发现图中的一些细节。
第十章 回归
算法 为了完成某个计算而执行的任何过程。
预测是数据分析的重头戏，有些人认为把假设检验和预测加起来就等于数据分析
尽量多使用散点图，只要数据涉及两种变量，应该首先考虑使用散点图。 head（文件名，n=x）读取前X行的内容 plot(employees$requested[employees$negotiated == TRUE],employees$received[employees$negotiated == TRUE]) 作出散点图，分别为X，Y轴变量。 cor(employees$requested[employees$negotiated == TRUE],employees$received[employees$negotiated == TRUE]) 用于计算两个变量之间的相关系数越大越好 最大为1
为了根据这些基本数据算出一条可以预测的曲线，用到了线性模型模块 mylm <- lm(received[negotiated == TRUE] ~ requested[negotiated == TRUE],data=employees) mylm$coefficients
y=intercept+k*x
R如何计算斜率？
第11章：误差低劣的预测比不预测更糟
观察模型的时候一定要想一想假设有何道理，不合适的假设会使模型完全失效，最坏的结果是极具欺骗性的模型。
我们的分析基于现有的数据只能作用于现有的自变量范围（内插法）
实际结果与预测结果的偏差叫机会误差 在统计学中机会误差叫残差，对残差的分析是优秀的统计模型的核心
误差固然可恨，但是我们可以控制误差，预测的时候给出范围比给出具体的数值更加有效
误差的分布在不同的区域会呈现出不同的现象，我们可以通过分割来管理误差，将数据分拆为几个组。
我们将整体分为多个部分能够更好的管理误差，诠释现象
> mylmbig <- lm(received[negotiated == TRUE & requested > 10] ~ requested[negotiated == TRUE & requested > 10],data=employees) > mylmsmall <- lm(received[negotiated == TRUE & requested < 10] ~ requested[negotiated == TRUE & requested < 10],data=employees) > summary(mylmbig) summary（mylmsmall)$sigma
通过将模型拆分进行更加细致的分析从而说服客户
