# 商务数据分析 从业务问题到判断结论

课堂材料学习手册 · 2026年10月12日整理

## 课程全景图

本课程共4次课，目前已上2次。按你的补充，老师提供的8份课件应为全套材料。

这门课可以沿着一个问题来学：**面对一项业务选择，怎样用可靠的数据形成有边界的判断？** 你不需要先背下公式，但需要知道每一步在回答什么，以及什么证据还缺着。

**提出问题 → 定义指标 → 获取和检查数据 → 选择方法 → 理解结果 → 形成行动 → 验证效果**

| 走到哪一步 | 先问自己什么 | 本手册位置 |
| --- | --- | --- |
| 提出问题 | 我要做哪个决定，比较对象是谁 | 第1章 |
| 定义指标 | 好坏用什么衡量，一行数据代表什么 | 第1章 |
| 获取数据 | 样本能代表谁，有谁没被记录 | 第2章 |
| 检查数据 | 缺失、异常、重复会怎样影响结论 | 第3章 |
| 选择方法 | 比的是比例、均值、关系，还是预测 | 第5—10章 |
| 理解结果 | 差多少，有多不确定，能说到哪一步 | 第4章及各章结果示例 |
| 行动与验证 | 收益是否值得，如何验证和复查 | 第11章 |

**选方法先看问题和数据结构。** 比“成功或失败”的比例，先想卡方；比两组人的数值均值，先想独立样本T检验；比同一人的前后数值，先想配对T检验；比多个独立组的数值均值，先想方差分析。看两个数值是否一起变化，先想相关；同时考虑多个因素或预测数值，先想回归。

**三个始终带着的问题：** 观察到的差异有多大？这种差异有多不确定？即使差异可信，它是否值得采取行动？

**阅读顺序：** 第1—3章问题与数据 → 第4—7章比较与不确定性 → 第8—9章关系与模型 → 第10—11章预习与综合判断。

<!-- PAGE -->
## 怎样阅读这份手册

建议分四次阅读：第一次读第1—3章，把问题和数据说清楚；第二次读第4—7章，理解比较与不确定性；第三次读第8—9章，理解关系、回归和模型输出；第四次读第10—11章，再做综合判断。每次先读案例，合上材料说一遍“我为什么选这个方法”，再做判断题。

章节里的“示例”有三种来源：**课件案例**来自老师提供的PDF；**录音内容转述**来自本次妙记自动转写，保留录音文件及相对时间，不当作逐字核听后的原话；**补充案例**由本手册编写，人物、产品和数据均为教学虚构，不是你的公司经营结果。

全文贯穿一个虚构的IM产品：团队想改进新用户的聊天引导，候选方案为A、B、C。每章观察的问题不同，所用示例样本也不同；不能把各章数字拼成同一次真实实验。带P值和置信区间的数值输出均标为“假设输出”，用于练习读表，未声称由实际业务数据计算得到。

“95%置信区间”可以先理解为：按既定统计方法，为总体差异给出的估计范围。它表达估计的不确定性，不能消除样本偏差、漏报或不公平分组。

## 当前进度与内容分层

**共4次课，目前已上2次。** 课件是全套材料，本手册分为前两次课复习、笔记已有内容的补全，以及后续预习。学习先后是为便于理解重新组织，不是对实际授课顺序的重建。

| 范围 | 已有依据 | 本手册怎么用 |
| --- | --- | --- |
| 基础思想、抽样、预处理 | 录音15有可定位讲解 | 第1—3章用于复习 |
| 卡方与两种T检验 | 录音16有可定位讲解 | 第4—6章用于复习和纠正简化理解 |
| 相关、回归、R平方与共线性 | 录音15在特征选择中引入；笔记另有相关与回归记录 | 第8—9章结合课件补全，区分引入与系统内容 |
| 方差分析及F检验 | 笔记有记录；课件4、5有内容，录音未见完整模块讲授 | 第7章及第9章按已有疑问补全 |
| 聚类、决策树、神经网络 | 全套课件6—8；项目分享中另有相关应用 | 第10章作为后续预习，不标成已经学完 |
| 具体项目与论文思路 | 录音15、17、18可定位 | 第11章提取论证与实践思路 |


## 来源怎么查

课件简称“课件1”到“课件8”，对应文件名《商务数据分析（1）.pdf》到《商务数据分析（8）.pdf》。页码一律按PDF文件的第几页计数，从1开始，不按幻灯片右下角的印刷编号。

笔记简称“笔记”，对应《商务统计10-11.docx》。以段落内容定位，不依赖不同电脑上可能变化的Word页码。录音简称15、16、17、18，对应同号m4a文件；时间为各文件自己的相对时间，不是整天课程的累计时间。

录音中有识别错误和课堂杂音，涉及统计术语时用课件交叉核对。本手册不把自动转写生成的错词当作新的统计概念。课件中的历史产品介绍、软件版本及年代性说法不作为当前产品信息。

<!-- PAGE -->
# 第1章 怎样把业务困惑变成能回答的问题

## 从一个具体决定开始

**补充案例。** 产品经理说：“新用户聊天体验不够好，想上方案B。”如果直接找数据证明B更好，很容易挑中对自己有利的指标。先把决定说清楚：对哪些新用户，在什么时间窗口，把哪种引导换成哪种引导，希望改善什么，同时不能损害什么？

一个可分析的版本是：“对首次注册且符合实验条件的用户，随机分配A、B两种聊天引导，比较注册后24小时内是否完成首次有效对话；同时观察崩溃率、投诉率和次日留存。”这里已经有对象、比较、指标、时间和限制。

## 用直觉理解数据 信息和知识

一条“用户123在10点发送了一条消息”的记录是数据。把一批记录按相同口径整理成“完成首次对话的比例”是信息。结合比较设计、成本和限制，判断“是否扩大方案B”才进入决策。计算出一个数，离可靠的决策还有几步。

课件1第7—8页区分数据、信息、知识，强调数据很多而可用知识仍然不足。学习时可以追问：这张表能改变我的哪个决定？

## 需要怎样的数据

| 要素 | 本案例的约定 | 为什么要先定 |
| --- | --- | --- |
| 分析单位 | 一名符合条件的新用户 | 同一人的多条消息不能冒充多个人 |
| 分组 | 用户进入实验时固定分配A或B | 避免在两方案间反复切换 |
| 主要指标 | 24小时内完成首次有效对话的用户比例 | 不能只凭消息总数评价体验 |
| 分母 | 所有符合条件且已分组的用户 | 不能只保留成功发消息的人 |
| 观察窗口 | 从各自注册时刻起24小时 | 避免早注册的人被观察更久 |
| 保护指标 | 崩溃、投诉及后续留存 | 防止主指标改善却伤害整体体验 |

分类变量回答“是哪类、是否发生”，如方案、设备系统、是否完成对话；数值变量回答“有多少、多长、多高”，如耗时、金额。编码成0和1的成功状态仍有“成功/失败”的业务含义，不能只看存储类型选方法。

## 怎样读一份描述结果

**补充案例数据。** A组100人，40人完成；B组100人，48人完成。可以说本次记录中B完成率48%，A为40%，B高8个百分点；相对于A的40%，相对增幅为20%。这两种表达不能混用。

这些数字还没有给出统计检验或因果证据。如果B组全是高端手机用户、A组全是低端手机用户，观察到的差异可能混入设备差异。**“差多少”是描述，“差异是否超出随机波动”是推断，“由方案造成吗”需要研究设计。**

## 可以判断到哪里

可以确认本次样本和既定口径下的完成比例；不能直接断言B对所有用户都有效，更不能说它提高了长期收入。采取行动前，还要看估计不确定性、实验设计和保护指标。

常见误区是先看到结果再换主指标，只统计参与过聊天的用户，以及把“更多消息”直接等同“更好体验”。如果团队目标是减少操作步骤，消息数减少也可能是改善。

## 先自己判断

1. B组消息总量更多，因此B的聊天体验一定更好。对还是错？
2. A完成率40%，B完成率48%，可以说提高了8个百分点，也可以说相对提高了20%。对还是错？
3. 同一用户发了100条消息，就可以作为100个独立用户参加分析。对还是错？

### 答案与理由

1. 错。需要先确定体验指标、分母和保护指标，消息多可能来自失败重试。
2. 对。两种口径都可用，必须写清“百分点”和“相对增幅”。
3. 错。消息来自同一人，彼此有关联；分析单位需要和问题及分组设计一致。

**回查。** 课件1第7—8、22页；笔记末段关于具体产品、项目问题的记录。录音15 00:21:56—00:24:06讲数据、信息与知识；录音16 00:01:38—00:04:41强调形成统计判断思路。

<!-- PAGE -->
# 第2章 怎样知道手里的样本能代表谁

## 现实问题

**补充案例。** 团队在活跃用户群里问了500人，大多数说新引导很好。可以据此说所有新用户都喜欢吗？先想没有进入群的人：刚注册就离开的人、没有成功进入聊天的人，可能恰恰最不满意。

抽样的核心是让一部分观察支持更大范围的判断。难点不只在“抽多少”，还在“谁有机会被抽到、谁没有回应、最后能够代表谁”。

## 先分清总体 样本和抽样框

总体是你想讨论的所有对象；样本是实际获得数据的对象；抽样框是用于抽取的名单或记录集合。若总体是所有新用户，抽样框却只有加入社群的人，后面再精密的计算也补不回完全漏掉的人。

随机抽样主要服务于样本对总体的代表性；随机分组主要服务于处理方案之间的公平比较。**抽样和分组回答不同的问题。** 一个随机分组实验也可能只覆盖少数特定用户，推广范围仍要说明。

## 常见抽样怎样选

| 方法 | 日常理解 | 在产品调查中怎样做 |
| --- | --- | --- |
| 简单随机抽样 | 从完整名单中随机抽人 | 从符合条件的新用户ID中抽取 |
| 分层抽样 | 重要类别都覆盖，各层内随机抽 | 分Android、iOS及新老用户，再在各层抽人 |
| 整群抽样 | 随机抽几个完整群体 | 抽若干门店或班级，再调查群内对象 |
| 系统抽样 | 随机起点，按固定间隔抽 | 排序后每隔若干条抽一条，留意周期性 |
| 多阶段抽样 | 先抽大单位，再抽小单位 | 先抽城市，再抽门店，再抽顾客 |
| 非概率抽样 | 方便、判断、自愿、介绍或配额选人 | 群内问卷、典型案例、受访者推荐 |

分层像“每个重要篮子都拿一些”；整群像“抽几个篮子，检查篮子里的对象”。整群能节省调查成本，但同群成员往往相似，不能把所有人当作完全独立的信息来源。

配额抽样也会要求“Android多少、iOS多少”，但配额内若由调查者随意挑人，仍不同于层内随机抽取。概率抽样允许不同单位具有不同的已知入选概率；“不等概率”不等于“非概率”。

## 需要的数据和适用条件

先保留目标总体、完整名单的覆盖范围、分层字段、入选规则、邀请人数与有效回应数。若某一类用户被刻意多抽，汇总总体比例时需要考虑权重。不要把“多抽某类人以便看清细节”误写成“总体本来就有这么多”。

## 一份抽样结果怎样解释

**补充案例数据。** 调查取得1000份回答，但其中90%来自iOS，而目标用户中iOS只占30%。这个调查对iOS用户的描述可能很丰富，却不能把未加权的总体满意度直接推广到整个产品。

即使按系统加权，也可能仍存在“愿意回答的人更满意”的自愿回应偏差。权重只能处理已知且可校正的结构，不能自动修复全部遗漏。

## 可以判断到哪里

可以用典型案例发现问题、形成假设、理解机制。要估计“全体用户中有多少人这样想”，则需要更明确的覆盖和抽样设计。更多样本能降低一定的随机误差，但不能靠数量消除系统性偏差。

**与笔记有关的纠正。** 判断抽样适合研究标杆经验，但“某标杆做得好”不意味着把做法搬进本公司就有效。还要比较资源、用户结构和执行条件，再验证迁移效果。

## 先自己判断

1. 10万份来自同一个活跃社群的自愿问卷，一定比1000份合理随机抽样更能代表所有新用户。
2. 分层抽样与配额抽样只要人数配比相同，就是同一种方法。
3. 研究一个优秀项目的做法可以帮助形成改进假设，但不足以估计所有项目的成功比例。

### 答案与理由

1. 错。大样本也可能有很大的覆盖或回应偏差。
2. 错。关键区别是每层内部怎样选人，入选概率是否已知。
3. 对。理解一个案例与推断总体分布是两类目标。

**回查。** 课件2第3—19页；笔记“概率抽样”“非概率抽样”各段。录音15 00:41:57—00:54:29讲概率抽样，01:12:25—01:21:50讲非概率抽样及标杆分析。

<!-- PAGE -->
# 第3章 数据缺了 怪了 重复了 应该怎么办

## 现实问题

**补充案例。** 你准备比较A、B的首次对话耗时，发现有空值、负数、极长耗时，还有同一用户重复上报。把空值填成平均值，把极端值删掉，是否就能开始比较？

先问这些数为什么出现。空值可能是埋点丢失，也可能是用户从来没完成；极长耗时可能是时区错误，也可能是真实的卡顿。处理规则会改变你回答的问题。

## 用直觉理解预处理

预处理是在确认“这些记录是否与业务含义一致”。同样的空白，既可能表示未知，也可能表示不适用；同样的0，既可能是真实零消费，也可能是系统缺省值。先确定含义，再决定计算方式。

| 现象 | 先查什么 | 合理处理思路 |
| --- | --- | --- |
| 缺失 | 哪类用户缺、缺的是输入还是结果、两组是否相同 | 尽量补取；说明缺失机制与处理影响 |
| 重复 | 重试上报、重复订单、重复用户还是合法多次行为 | 按既定分析单位与业务ID去重或汇总 |
| 异常 | 单位、时区、版本、埋点错误或真实极端情况 | 修正错误；真实异常单独分析或做敏感性检查 |
| 不一致 | 秒和毫秒、币种、口径、观察窗口 | 统一定义和单位后再比较 |

均值是平均水平，容易受少数很大数值拉动；中位数是排好后中间的位置，对极端值较不敏感；众数是最常见的类别或数值。选择哪个，需要看你要表达平均负担、典型体验，还是最常见情况。

## 为什么不是所有缺失都能填均值

如果“未完成对话”的耗时是空值，填入已完成用户的平均耗时，会把失败的人变成“按平均速度成功完成”的人。应该分别报告完成比例，以及在完成者中的耗时；后者要明确只描述完成者，不能独立代表全体体验。

均值、中位数、众数填补或模型填补都有条件。简单均值填补还会压低变异性，使后续检验显得比实际更确定；模型填补依赖模型和可用信息，**没有“回归填补总是最准确”的普遍结论**。正式推断需要把缺失处理的不确定性纳入考虑。

## 标准化到底做了什么

假设用年龄、消费额和使用次数做用户分群，金额的数值可能远大于年龄。如果直接按距离分组，金额可能主导“相似”的定义。标准化是把量纲放到可比较的尺度上。

最小最大法把所选参考数据的范围缩放到一个区间，常用0—1；后续新数据超过原来的最大值时，变换结果可以超过1。Z-score表示一个值距离参考均值多少个标准差。**标准化改变尺度，不会把任意分布变成正态分布。**

预测场景中，均值、标准差、填补规则等应从训练数据估计，再应用到验证和测试数据。提前用全部数据决定规则，会泄露测试信息，夸大对新数据的表现。

## 怎样理解一份清洗结果

**补充案例数据。** 原始1000名用户，80名没有完成事件，其中60名来自B组。不能只删掉80人后报告“B耗时更低”。至少要展示两组缺失及完成情况，检查B是否漏报，另做包含不同合理处理方式的结果比较。

可以说明“按既定规则剔除了确认重复的记录”；不能说“所有异常都清除了，所以数据真实可靠”。真实投诉、欺诈、长尾卡顿往往正是分析目标，不能为让图好看而删掉。

## 先自己判断

1. Z-score处理后，任何数据都会服从标准正态分布。
2. 某用户没有成功事件，可以直接用已成功用户的平均耗时填补。
3. 异常值可能是业务信号，应该先查来源和含义再处理。

### 答案与理由

1. 错。它重定中心和尺度，不会改变偏斜、多峰等分布形状。
2. 错。没有完成和完成耗时未知有不同含义，必须先区分。
3. 对。错误记录和真实极端现象需要不同的处理。

**回查。** 课件2第21—25页；课件6第7—10页；笔记“规范化”“缺失数据”“异常值”各段。录音15 01:23:20—01:33:45讲标准化，01:34:18—01:40:35讲缺失、回归填补和异常。这里的处理条件是本手册补充解释。

<!-- PAGE -->
# 第4章 差异看起来存在 为什么还要讨论不确定性

## 现实问题

**补充案例。** A、B的完成率相差几个百分点。如果重新换一批用户，差异还会一样吗？随机抽样和随机分组都会产生波动。统计推断帮助我们理解：眼前结果是否与“没有总体差异”的设定明显不相容，估计还有多大不确定性。

## 先理解零假设和P值

零假设可以是“两组总体均值相等”或“两个类别变量独立”。它是被检验的具体设定，需要配合抽样、独立性等模型条件。

P值的直觉是：**假设零假设及相关模型条件成立，出现当前这样或更极端的检验结果，有多常见？** P很小，表示这些数据与该设定不太相容。它不是“零假设为真的概率”，也不是“结果由偶然造成的概率”。

显著性水平如0.05，是分析前约定的一种判断规则。在相应假设与规则下，它约束长期重复检验的误报概率；它不是给每次结果颁发“95%正确”的证明。事后反复试不同人群和指标，只挑P最小的结果，会增加误报风险。

## 怎样读一份结果

**假设输出，非实际计算。** B比A平均缩短0.02秒，95%置信区间为缩短0.01—0.03秒，P=0.001。统计证据与“完全没有均值差异”不相容，但0.02秒可能没有可感知价值。是否值得开发和维护，需要另看业务收益及成本。

**另一份假设输出。** B比A平均缩短1秒，95%置信区间为“可能更慢1秒到可能更快3秒”，P=0.30。证据尚不精确：有改善的可能，也有变差的可能。不能据此说“两个方案完全一样”。

为了让方向清楚，报告前统一差值定义，例如“B耗时减A耗时，负数表示B更快”，避免混用正负。

## 置信区间可以怎么理解

把同一抽样与计算过程重复很多次，按正确模型构造的95%置信区间，长期约有95%覆盖真正的总体参数。对已经算出的这一段区间，传统频率学解释不是“参数以95%概率落在其中”。日常读表时，重点看范围是否窄、是否包含不希望的效果、是否达到业务门槛。

标准差描述对象本身有多分散，例如用户耗时差别多大；标准误描述平均值等估计有多不确定。对象很多时，平均值可以估计得很精确，但每个用户的体验仍然可能差别很大。

## 什么情况下不能直接相信P值

如果样本偏了、同一个人被反复当作独立样本、观察时间不一致，P值并不能修复这些问题。看检验结果前，要先检查设计、口径、缺失与适用条件。

如果要证明“差异小到业务可以忽略”，应预先定义可接受差异范围，并考虑等效或非劣效等相应设计。普通差异检验没有显著，并不能替代这种目标。

**笔记纠正。** “5%以内认为小概率事件，不可能发生”应改为：小概率事件仍会发生；5%常用作统计判断阈值，不是现实事件是否可能发生的分界。

## 先自己判断

1. P=0.03表示零假设为真的概率是3%。
2. P=0.20表示两个方案已经证明没有差异。
3. 极小的改善在大样本里可能显著，但仍不值得实施。

### 答案与理由

1. 错。P是特定假设与模型下数据极端性的概率。
2. 错。只能说该检验下证据不足，仍需看区间和能检出的差异。
3. 对。统计证据和业务价值要分开判断。

**回查。** 课件3第7、10、35—38、43、48页；课件4第30页；笔记“小概率事件”段。录音15 01:31:00—01:33:45和录音16 00:08:10—00:09:51涉及小概率与假设检验。本章将口语解释整理为有条件的统计表述，未当作老师逐字原话。

**补充核对。** [美国统计学会关于P值的声明](https://www.amstat.org/asa/files/pdfs/p-valuestatement.pdf)支持本章对P值与实际重要性的区分。这里是方法解释，不是对老师口头讲授的引语。
<!-- PAGE -->
# 第5章 两个方案的成功比例不同 应该怎样比较

## 现实问题

**补充案例。** A、B两种引导，每位用户只有“完成首次对话”或“未完成”两种结果。你想知道方案与完成情况是否有关。这里比较的是类别计数形成的比例，不是每个人的耗时均值。

## 卡方检验的直觉

先设想方案与完成情况没有关系：两组的完成比例应围绕同一水平波动。再看实际每个格子的人数，和“如果无关，按总人数及总体完成比例应有多少人”之间的距离。这个距离经过适当调整后汇总，就得到卡方统计量。

注意，期望人数来自“无关”的假设和行列合计，不要求每格人数相等。某组本来人数就多，期望完成的人数也应更多。

## 需要怎样的数据和条件

| 方案 | 完成 | 未完成 | 合计 |
| --- | --- | --- | --- |
| A | 40 | 60 | 100 |
| B | 55 | 45 | 100 |
| 合计 | 95 | 105 | 200 |

这是教学虚构数据。若两组无关，整体完成比例为47.5%，每组100人，所以每组期望完成47.5人、未完成52.5人。期望频数可以是小数，因为它是理论期望，不是实际分出半个人。

观察应独立，同一用户不能在表中反复占多个独立位置。输入应为人数等计数，而不是把“40%”当成40个人。还要检查期望频数是否足够支撑卡方近似；格子过稀时，考虑精确检验等适合的方法，不能只凭总样本量判断，更不能随意合并业务含义不同的类别。

如果同一批用户在改版前后分别成功或失败，这是配对的二元数据，普通独立样本卡方不匹配；可进一步了解McNemar等方法，也不是直接改用配对T检验。

## 怎样理解结果

上表中B完成率比A高15个百分点，这是实际可读的差异。若按预定检验得到足够小的P值，表示数据与“方案和完成情况无关”的设定不太相容。卡方值和P值本身不告诉你B高多少，也不直接告诉你哪个格子贡献最大；还要读比例及其不确定性。

**课件案例。** 课件3第5—7页用泰坦尼克号幸存情况与性别讲“实际频数和无关时的期望频数”这一思想。可以保留它来理解关联；不能把观察性关联解释成“性别本身造成所有生存差异”，因为船舱、年龄和救援安排等也可能有关。这里不复用课件中简化计算的数值作为重新计算后的检验结果。

卡方还有拟合优度用途，例如检验类别分布是否符合某个给定比例；它与“两个分类变量是否独立”是不同的设定，不要混淆。

## 可以判断到哪里

可以判断在适用条件下，类别间是否有统计关联。只有在分组设计、执行、缺失等条件也合理时，才进一步讨论方案的因果效果。即便存在关联，也要评价15个百分点是否稳定、是否伴随更高投诉，以及实施成本。

常见误区是只看完成总人数、不看分母；只看P值、不看比例差；把每个人的多条消息当独立样本；用显著关联直接声称因果。

## 先自己判断

1. A有100名完成者，B只有80名，因此A完成率更高。
2. 无关假设下的期望频数必须都是整数。
3. 同一用户改版前后的成功状态，需要考虑配对关系，不能直接套普通独立样本卡方。

### 答案与理由

1. 错。A、B的总人数还不知道，完成率不能仅由完成数决定。
2. 错。它是理论期望，可以为小数。
3. 对。数据之间的依赖关系决定方法适用性。

**回查。** 课件2第25页；课件3第3—29页；录音16 00:05:11—00:22:52。录音的思想转述为“先设想无关联，再比较实际和期望”，其中关于小概率和接受原假设的口语简化按第4章理解。

**补充核对。** [NIST关于列联表比较的说明](https://www.itl.nist.gov/div898/handbook/prc/section4/prc45.htm)用于核对独立性设定与期望频数含义。

<!-- PAGE -->
# 第6章 比较两个均值时 为什么要区分独立与配对

## 现实问题

**补充案例。** 场景一，随机分配两组不同用户，分别使用A、B，比较完成任务的平均耗时。场景二，同一批用户先用A，再用B，逐人比较耗时。两种场景都在比较两个均值，但数据关系不同。

**独立样本T检验看两组人的均值差；配对样本T检验看每一对差值的平均水平。** 配对的关键是存在有意义的一一对应关系，不是两列长度恰好相等。

## 先用日常语言理解

独立比较像两队不同的人比赛，需要同时考虑两队本来就存在的个体差异。配对比较像同一个人在不同条件下比赛，先从每个人身上算“变了多少”，再看这些变化是否有一致方向。

配对能减少一部分个体差异的干扰，但不会自动排除时间、练习、设备变化等影响。如果所有人总是先用A再用B，第二次更熟练就可能让B看上去更快。

## 需要的数据和条件

| 检查点 | 独立样本 | 配对样本 |
| --- | --- | --- |
| 一行代表什么 | 一个独立用户及其指标 | 一对对应测量及其差值 |
| 两组人数 | 可以不同 | 完整配对需能逐对对应 |
| 独立性 | 用户之间及两组之间合理独立 | 各对之间合理独立，组内成对有关联 |
| 小样本分布 | 留意组内分布、偏态和极端值 | 留意差值的分布及极端值 |
| 主要输出 | 两总体均值差及区间 | 总体平均差值及区间 |

普通等方差T检验有相应的等方差条件；Welch T检验允许两组方差不相等。无需把“先做方差检验，再凭是否显著决定公式”当成一切分析都必须走的门槛。实际应结合研究设计、分布与稳健性选择方法。

若耗时极度右偏，小样本里少数超长任务可能主导均值，应先画分布、检查定义，并考虑适合的变换或其他方法。改用秩方法也不等于自动检验中位数相等，要确认所检验的目标。

## 怎样读一份输出

**独立样本假设输出，非实际计算。** A平均12秒，B平均10秒；差值定义为B减A，为−2秒，95%置信区间−3到−1秒，P=0.004。可表述为：在既定条件下，B的总体平均耗时估计低2秒，区间支持更快；还需看保护指标和两秒的业务价值。

**配对样本假设输出，非实际计算。** 同一批用户逐人计算B减A，平均差值为−2秒，区间−2.8到−1.2秒。它支持这批对应对象的平均耗时变化，不能仅凭前后比较把变化全部归因于B。若只留下两次都完成的人，还应说明未完成者被排除的影响。

## 保留一个课堂案例

课件3第45—48页记录10位训练者前后的体重，属于配对设计。若关注“是否平均减重”，看每个人减重差值的平均水平；若关注“是否至少平均减重8.5公斤”，比较基准就变成8.5公斤，方向和假设也要相应设计。

课件把未拒绝某个宣称写成“有证据表明宣称可信”，表达较强。**没有推翻“至少8.5公斤”，并不等于已经证明“至少8.5公斤”。** 本手册保留数据结构与提问方式，避免把该结语当作一般规则。

## 可以判断到哪里

T检验比较的是均值。均值更低不能保证每个用户都更快，也不能保证最慢5%的体验改善。没有随机化的两组对比，还可能受用户结构差异影响。若结果是成功/失败，优先回到类别结果的方法，不要见到两个方案就套T检验。

## 先自己判断

1. 两组不同用户恰好都是30人，因此应使用配对T检验。
2. 同一批用户第二次操作更快，足以证明新方案造成了改善。
3. 两组方差不同，并不意味着完全不能比较均值。

### 答案与理由

1. 错。配对需要实际对应关系，人数相等不够。
2. 错。熟练、时间和其他变化都可能解释改善。
3. 对。可考虑Welch等方法，并检查其余适用条件。

**回查。** 课件3第32—49页；录音16 00:30:39—00:46:52（精确段落起点见附录）。其中独立样本T主要在00:30:39—00:41:37，配对T在00:41:37—00:46:31。

**补充核对。** [NIST两样本T检验](https://www.itl.nist.gov/div898/handbook/eda/section3/eda353.htm)与[NIST配对观察](https://www.itl.nist.gov/div898/handbook/prc/section3/prc311.htm)用于核对独立、配对及方差不等情形。

<!-- PAGE -->
# 第7章 三个方案怎么比较 为什么名字叫方差分析

## 现实问题

**补充案例。** 团队有A、B、C三种聊天引导，分给三组独立用户，想比较平均任务耗时。如果反复做A比B、A比C、B比C，会增加“总能碰到一次看起来显著”的机会。方差分析先整体问：三个总体均值是否都相等？

单因素指一个分组因素，例如引导方案；三个水平指A、B、C三种取值。因素数量与组数不是同一个概念。方差分析也能用于两组，三个及以上是它特别常见的使用场景。

## 比均值 为什么看方差

先看每组内部本来有多分散，再看组均值之间有多远。如果同一方案下用户耗时差别很大，各组均值差一点可能只是波动；如果各组内部都相对稳定，组均值却拉开，就更值得怀疑总体均值不全相等。

F统计量在这里比较的是**经过自由度调整后的组间均方与组内均方**。你可以把它先理解为“组间差别相对于背景波动有多突出”。不能直接拿未调整的两项平方和相除，也不能把F固定大于1当作显著标准；判断还取决于相应分布和自由度。

## 需要的数据和条件

数据包括用户ID、方案标签和同口径数值指标。经典单因素ANOVA要求合理独立的观察，组内误差分布满足相应正态条件，且各组方差相同。小样本偏态、极端值、不平衡及方差差异需要特别注意，必要时选择Welch ANOVA等合适方法。

如果同一用户连续尝试三个方案，或同一门店反复测试各版本，数据存在配对或区组结构，不能当成三个完全独立组。要使用能处理重复测量或区组影响的设计与分析。

## 怎样读方差分析表

**假设输出，非实际计算。** A均值12秒，B为10秒，C为9秒；整体ANOVA给出P=0.01。可以说“数据支持三个总体均值不全相等”。仍不能直接说C显著优于B，因为整体检验没有回答具体哪一对不同。

| 输出项 | 你需要理解的意思 |
| --- | --- |
| SS 平方和 | 对应来源的总变异量 |
| df 自由度 | 变异估计中可独立变化的信息量 |
| MS 均方 | 平方和按自由度调整后的量 |
| F | 组间均方相对于组内均方的比值 |
| P值 | 在总体均值全相等及模型条件下，结果有多极端 |

后续多重比较用来回答“哪些组不同”，并考虑多次比较产生的误报。不要整体显著后随意挑最低的均值称冠军，仍需区间、业务价值和保护指标。

## 保留课堂课件中的饮料案例

课件4第4—5页比较不同颜色饮料的销售量，第20页给出四种颜色均值：27.32、29.56、26.44、31.46。它清楚展示“同一因素的多个水平”，非常适合理解问题。

**补充解释。** 同一家超市测了四种颜色，真实分析时应注意超市造成的共同影响，并按实际分配设计考虑区组或重复测量，不能自动假定所有观察独立。课件中的示例计算用于学习F思想，不作为真实营销实验的完整设计方案。

## F检验是不是只有一个意思

不是。方差分析里，它检验多个均值是否全相等；两总体方差比较里，它检验方差是否相等；回归中还可检验一组系数是否同时为零。看到F时先问“这里的零假设是什么”，不要只记一个数值符号。

## 先自己判断

1. 三组ANOVA显著，表示三组两两之间都显著不同。
2. ANOVA比较均值时，会利用组内波动来判断组间差别是否突出。
3. 同一人依次用三个方案，可以不管配对关系，直接做普通独立组ANOVA。

### 答案与理由

1. 错。整体结论是均值不全相等，具体差异要进一步比较。
2. 对。这解释了“方差分析为什么能比较均值”。
3. 错。应处理重复测量、顺序及练习效应。

**回查。** 课件4第3—11、20—31、35—40页；笔记“下午”“方差分析”“单因素方差分析表”“F检验”各段。本次4段录音中未找到该模块的完整系统讲解；本章依据课件和笔记补全，不据此断言课堂没讲。

**补充核对。** [NIST单因素ANOVA表和假设检验](https://www.itl.nist.gov/div898/handbook/prc/section4/prc423.htm)用于核对均方、F值及整体均值检验。
<!-- PAGE -->
# 第8章 两件事一起变化 是否说明其中一件导致另一件

## 现实问题

**补充案例。** 经常聊天的用户留存更高。团队提出：“让每个人多发消息，就能提高留存。”这个想法值得验证，但当前的相关现象还不足以支撑这个因果承诺。

可能是聊天让人留下，也可能是本来喜欢产品的人更愿意聊天；还可能是共同原因，例如更活跃的好友同时带来更多消息和更高留存。

## 相关分析的直觉

相关先问“两个量是否常常一起升降”。皮尔逊相关系数r概括数值之间的线性关系：正值表示大体同升，负值表示一个升、另一个降，绝对值越接近1，点越接近一条直线。它没有“每多一条消息增加多少留存”的单位解释。

r接近0，只说明这种直线式关系不明显。比如适度提醒有帮助，提醒太多又惹人烦，形成先升后降的曲线，线性相关可能很小。先画散点图比先背阈值更有帮助。

## 需要怎样的数据和条件

每行是同一对象的一对数值，时间范围一致，缺失处理清楚。先查看散点图、极端值、群体混合和时间趋势。单纯描述r不等于已经完成总体推断；对r做经典显著性检验还需相应抽样和模型条件。

**补充案例设计。** 若想探索聊天活跃与留存，先定义“第1天消息数”和“后续是否留存”，避免把未来数据提前混入特征。因为留存是二元结果，完整建模要选择适合类别结果的方法；本章用“每周消息数与每周使用时长”两项数值讲r更直观。

## 怎样读一份结果

**假设输出，非实际计算。** 消息数和使用时长r=0.70，P较小。可说在样本和分析条件下，两者存在较强的正线性关联，并有相应总体推断证据。不能说“70%的用户由消息数决定”，也不能说“时长有70%由消息数造成”。

如果某个超级活跃用户同时发了大量消息并使用很久，可能大幅改变r。应查看包含与不包含该点的结果、确认其真实性，而不是为了结论漂亮直接删除。

## 相关与因果怎样分开

“相关可帮助预测”是一个用途；“改变X是否会改变Y”是另一个用途。对未来留存有预测力的信号，未必是可以操纵的有效原因。随机分组实验在执行合理时可帮助识别干预效果；观察数据的因果分析需要更明确的假设与设计。

课件1第16—20页强调相关在预测中的价值；课件5第11页同时明确线性关系不表示因果。学习时把两处放在一起读：能够预测，不代表可以据此承诺某种干预一定有效。

## 可以判断到哪里

可以发现关系线索、检查重复信息、提出后续研究问题。不能凭r大小给因素分配因果责任，也不能只凭总体r否定某些子群中的不同关系。若目标是行动效果，应回到实验或因果设计。

## 先自己判断

1. r=0证明两个变量之间完全没有关系。
2. 用户聊天越多、留存越高，就说明强制增加聊天任务一定能提高留存。
3. 相关系数没有原指标的单位，回归系数通常有单位上的解释。

### 答案与理由

1. 错。可能有非线性关系，也可能受到数据范围或分组影响。
2. 错。相关可能来自反向关系或共同原因，行动效果需验证。
3. 对。r概括线性关联，回归系数要结合因变量和自变量的单位读。

**回查。** 课件1第16—20页；课件5第3—14页；录音15 01:44:31—01:48:27是特征选择场景下的相关系数解释。完整相关分析章节的课堂覆盖情况见材料范围表。

<!-- PAGE -->
# 第9章 同时考虑多个因素 回归结果应该怎么看

## 现实问题

**补充案例。** B组耗时更低，但B组高端手机更多、网络更好。能不能同时考虑方案、设备和网络，让比较更接近“其他条件相同”的情形？回归可以把多个变量放进同一模型，描述条件关系，并用于预测。

这比只看两个数值一起变化更进一步，但“模型中放入几个控制变量”仍不足以保证因果结论。漏掉重要因素、错误变量定义、反向关系和选择偏差都可能影响解释。

## 回归的直觉

用已观察到的数据，寻找一条或一个平面，让预测结果尽量接近真实结果。实际值与预测值之差叫残差。模型留下的残差告诉我们还有多少未被当前形式捕捉的信息。

自变量是用于解释或预测的输入；因变量是这次问题要解释或预测的结果。变量角色由问题决定：预测耗时时，耗时是因变量；检查某个输入能否被其他输入预测时，该输入会临时成为辅助回归的因变量。

## 需要怎样的数据和条件

每个观察单位需要结果、候选输入和时间标记，输入在实际预测时必须已经可得。模型形式要与结果类型匹配。连续耗时可以考虑合适的线性回归；是否流失属于二元结果，常考虑Logistic回归或分类模型，不能把普通线性预测直接当作合法概率。

经典线性回归的推断关注条件关系形式、误差的独立性、方差及分布等假设。不是要求“所有输入变量都必须正态”。存在同一人多次记录、时间相关或不同组波动差异时，需要相应分析处理。

预测还需用未参与模型选择的验证或测试数据检查效果。按用户、时间或项目分开数据，避免同一对象的信息跨集合泄露；不要先看完测试结果再反复挑最好的模型，还称其为独立测试。

## 读输出时依次看什么

**假设输出，非实际计算。** 因变量为任务耗时，输入包括方案、网络质量和设备类型。下表只练习阅读含义，不代表实际估计。

| 输出 | 示例 | 应该怎样读 |
| --- | --- | --- |
| B的回归系数 | −1.5秒，相对A | 在模型内保持其他输入不变时，B关联的平均耗时低1.5秒 |
| 系数区间 | −2.4至−0.6秒 | 估计精度及方向，仍依赖模型与数据条件 |
| 整体F检验 | P=0.002 | 一组斜率不全为零；不是每个变量都显著 |
| 样本内R平方 | 0.60 | 当前模型捕捉了结果围绕均值变动的60% |
| 测试集误差 | 需另行测量 | 对新数据是否有实际预测能力 |

系数大小要看单位和编码。例如网络质量1分与设备价格1元不能直接用系数绝对值排“重要性”。系数区间、业务尺度、模型稳定性比一串星号更有用。

## R平方究竟是谁被谁解释

**第一种用途是解释目标结果。** 用方案、设备、网络预测耗时，R平方衡量当前回归对耗时变异的拟合程度。它不是“预测正确率60%”，也不是“业务问题解决了60%”。

对于同一样本、同一因变量、含截距的普通最小二乘模型，增加输入通常不会降低样本内R平方。调整R平方会考虑变量数量，但仍不能代替对新数据的验证。课件所说0—1范围主要对应上述样本内情形；测试集R平方可能为负，表示这份数据上的预测还不如相应均值基准。

**第二种用途是检查输入的重复信息。** 把输入X3临时作为被预测的目标，用其他输入预测它，得到辅助回归的R平方。如果很高，说明X3的线性变化大部分可由其他输入重构，提示共线性。这里的被解释对象是X3，已经不是原来业务目标的Y。

你的笔记“R平方越接近1，可替代性越强？”正是在第二种语境下有依据，不能把它套在所有R平方上。录音15 01:48:27—01:52:15讲的主要就是这种辅助回归思路。

## 共线性为什么影响判断

假设把“消费金额的元数”和“消费金额的分数”同时放进模型，两列是相同信息的不同单位。模型很难唯一分清各自的贡献。更一般地，几个输入高度线性相关，也可能让系数不稳定、区间变宽、符号随样本改变。

VIF可帮助检查一个输入被其他输入线性解释的程度。整体模型显著而许多单个系数不显著，可能提示共线性，但不是唯一原因。仅看两两相关也可能漏掉多个变量的组合关系。

处理时先明确用途。解释单个因素贡献时，要特别关注系数可辨识性；预测时还要看未来数据是否保持相同结构。可以依据业务含义选择保留、合并或调整模型，**不能看到相关高就机械删除变量**，更不能为了得到显著系数反复删改。

## 可以判断到哪里

可以描述在指定模型下的条件关联，并评估特定范围内的预测。不能把回归系数自动称为干预效果；不能凭高R平方宣布模型可靠；不能把样本里没有见过的设备、时间和用户范围都算作已验证。

## 先自己判断

1. 模型R平方为0.80，说明80%的预测结果完全正确。
2. 整体F检验显著，说明每个输入变量的系数都显著不为零。
3. 用其他输入预测X3得到很高R平方，可以提示X3存在重复的线性信息，但是否删除还需业务和模型判断。

### 答案与理由

1. 错。它是特定定义下的变异解释比例，不是分类正确率。
2. 错。整体检验和单个系数检验回答不同问题。
3. 对。诊断指标提供线索，不能代替目标和含义判断。

**回查。** 课件2第24页；课件5第15—33页；录音15 01:36:19—01:39:13是回归填补的引入，01:43:53—01:52:15讲共线性与辅助回归R平方。系统回归章节依据课件补全，不把这段引入当作完整讲授。

**补充核对。** 本章R平方主要依据课件5第20—22页；[NIST回归诊断](https://www.itl.nist.gov/div898/software/dataplot/refman1/auxillar/regrdiag.htm)用于核对共线性与系数稳定性。
<!-- PAGE -->
# 第10章 后续预习 怎样区分分群 规则预测和神经网络

## 现实问题

**补充案例。** 团队想更好理解用户，有三个不同任务：不知道用户有哪些类型，想先分群；已经知道历史用户是否流失，想预测新用户；面对复杂的行为组合，想比较不同预测模型。任务不同，方法的角色也不同。

本章是全套课件的预习导航。录音17、18确实包含神经网络、预测、特征和AI应用的项目分享，但没有据此认定聚类、决策树、神经网络三个课程模块已系统讲完。

## 先用一句话分开

| 方法 | 开始时知道什么 | 想得到什么 | 结果怎样验证 |
| --- | --- | --- | --- |
| 聚类 | 有用户特征，没有预先给定类别标签 | 找出相似对象的群体 | 是否稳定、可解释、支持有价值的业务行动 |
| 决策树分类 | 有历史特征及流失等已知标签 | 学出分支规则，预测新对象类别或概率 | 在新样本上的误判、漏判及业务成本 |
| 神经网络 | 有数据与明确训练目标 | 学习较复杂的映射，可用于分类或数值预测 | 独立测试、误差、稳定性及使用成本 |

聚类像先整理出几种常见行为模式；分类像根据已知例子学习“属于哪一类”。决策树和神经网络是模型家族，不是和“分类”并列的业务任务；它们也可用于回归等任务。

## 聚类的直觉与条件

课件6第3页的概念是把原本没有预设类别的对象聚成若干群。关键在怎样定义相似：按金额与活跃天数分，可能得到一种结果；按内容兴趣分，可能完全不同。要有与目标有关的特征，并处理量纲、缺失和异常。

**补充案例假设结果。** 模型分出“高频短聊”“低频长聊”“很少互动”三群。这些名称是分析者对结果的解释，不是算法发现了三种固定人性。换特征、尺度或聚类数，结果可能改变。分群后仍需检查新数据是否稳定，并用实验验证针对性运营是否有效。

K-means大致反复执行：选若干中心，把对象分到较近的中心，再按当前成员更新中心，直到达到停止条件。它不是保证找到全局最好方案的万能方法；本章理解流程即可，无须手算每次距离。

## 决策树的直觉与条件

决策树像连续提问：“活跃是否较低？付费是否下降？”把数据分成越来越有区别的几部分，再从末端作预测。需要可信的历史标签；使用的特征在真实预测时应已存在，不能把未来流失通知当作当前特征。

课件7第3—6页用12条运营商用户记录演示流失规则。某个叶节点中3人都流失，可以帮助理解该样本的经验比例，**不能保证下一位满足条件的人一定流失**。小样本的0%或100%特别需要谨慎解释，模型还要用未见数据检查。

树分得过细，可能把每个人都“记住”，导致训练表现很好、新用户表现很差。控制复杂度、检查测试结果比让训练准确率达到100%更有意义。

## 神经网络的直觉与条件

神经网络把多个输入经过多层变换形成输出，能够拟合复杂关系。你现在先理解“输入、变换、输出、根据误差调整”这条路线即可。课件8第3—6页展示网络结构与激活函数，第8—18页用曲面说明表达能力；不需要先背函数公式。

**补充案例假设输出。** 流失模型准确率99%，听起来很好。但若1000人中只有10人流失，全部预测“不流失”也能达到99%，却一个真正流失的人也没找到。还要看漏掉多少流失者、误报多少，以及挽回行动的成本。

训练样本不必一律各类别50:50。稀有事件可以考虑权重或采样，但评价应对应真实使用场景及真实发生比例；不平衡也不必然等于过拟合。录音17 00:48:11—00:50:37强调异常样本难获得，本段补充了使用时的条件。

## 老师的项目分享可以带走什么

**录音内容转述。** 录音17 00:38:24—00:41:08谈到监测人数时，先按日期和业务类型建立历史基准，再比较当前值。启发是：理解业务并建立适合的基准，可能比直接堆复杂模型更有用。这里保留分析思路，不把课堂自述当作独立验证过的项目效果。

录音17 00:44:45—00:46:03谈到把传感器位置纳入输入，帮助区分报警来源；录音18 00:08:20—00:10:09用路网解释“空间上近不等于路程上近”。共同启发是：特征和相似度要符合真实机制。距离公式算对，不保证业务含义选对。

**了解即可。** 课件1第22页的总计划还列出因子分析和Logistic回归；本次8份PDF中没有独立的因子分析讲义。因子分析可以先理解为探索多个指标背后的共同维度，不能与聚类分人混为一谈。本手册不据目录补造老师的完整讲解，也不把AI扩展话题当作必背内容。

## 先自己判断

1. 没有预先类别标签，想探索用户有哪些相似行为群体，可以考虑聚类。
2. 决策树训练样本某分支全部流失，就能保证该分支所有未来用户都流失。
3. 流失只有1%时，99%的总体准确率足以说明模型有业务价值。

### 答案与理由

1. 对。仍需确定特征、相似度、稳定性和使用目的。
2. 错。样本经验比例不是未来个体结果的保证。
3. 错。必须查看少数类的漏判、误判和业务收益。

**回查。** 课件6第3—10、14—20页；课件7第3—9页；课件8第3—6、8—21页；上面各段已注明录音17、18的具体时间。

<!-- PAGE -->
# 第11章 怎样把分析写成可采取行动的结论

## 现实问题

**补充案例。** 你完成了若干统计分析，准备向团队建议上线B，或写一篇产品改进相关论文。应该把所有分析表都贴进去吗？先回到最初决定：哪些证据支持行动，哪些限制会改变行动，以及之后怎么验证？

## 一份结论应怎样连起来

问题是新用户首次有效对话完成率不理想。数据检查表明失败集中在某些步骤，于是形成具体改进假设；已有研究和历史案例解释为什么这个假设值得测试；公平比较与可靠测量评估效果，最后再结合成本、保护指标和适用范围决定行动。

这条链路中，描述、解释、效果评估各有位置。回归或相关给出“可能有关的因素”，不自动证明改动该因素必然改善；实验支持平均改善，也不自动证明所有用户都受益。

## 先把方案写成可验证的约定

| 约定 | 本案例怎样写 |
| --- | --- |
| 目标对象 | 符合实验条件且此前未进入实验的新用户 |
| 主要问题 | B是否改善24小时首次有效对话完成比例 |
| 设计 | 用户级随机分组，固定版本和观察窗口 |
| 数据 | 分组、事件、系统、版本、完整观察期和缺失原因 |
| 方法 | 按类别结果比较比例，报告差值和相应区间 |
| 价值门槛 | 分析前约定足以抵偿开发维护成本的改善幅度 |
| 保护指标 | 崩溃、投诉、次日留存等不能出现不可接受损害 |
| 结果使用 | 达标则按既定范围扩大；不确定则说明证据缺口 |

价值门槛和所需样本量应结合业务目标、波动及希望发现的差异确定。不能先看结果，再把门槛调到刚好能够通过。

## 怎样读一份完整的假设结果

**假设输出，非实际计算。** B比A完成率高3个百分点，95%置信区间高1—5个百分点。团队事先约定“至少提高2个百分点才值得实施”。它提供正向差异的证据，但区间仍包含低于2个百分点的情况，因此“有改善证据”和“已充分确认达到业务门槛”是两个层次。

如果同时发现B投诉增加、某类设备体验变差，不能只拿主指标报喜。可考虑进一步核实分组与测量、预先规划分阶段验证，或选择更符合收益与风险的调整方案；不要一边无限看数、一边等P值终于过线。

## 把结论写得既清楚又诚实

可以这样写：“在本次符合条件的新用户和24小时观察窗口内，B的完成比例估计高3个百分点，区间为高1—5个百分点。实验设计及数据检查支持进一步评估B，但对是否稳定超过2个百分点的业务门槛仍有不确定性；投诉与分设备结果需一并满足条件后决定扩大范围。”

避免这样写：“B显著优于A，证明对所有用户有效，建议立即全量上线。”这里省略了范围、改善大小、保护指标和估计不确定性。

## 论文可以怎样从真实项目出发

**录音内容转述。** 录音15 01:05:14—01:10:37的建议是，从公司一个具体产品或项目的问题出发，梳理已有研究、发现不足、提出方案，并用数据展示改进效果。适合借鉴的是论证链：问题是什么、为什么值得改、已有方法到哪里、自己的方法为什么合理、效果怎样评估。

**补充解释。** 已有前后数据能帮助落地，但前后改善未必全由方案造成，需要说明季节、渠道、人群、版本和同期改动。结果没有明显改善也可以形成有价值的研究发现，不应为了“效果好”才筛选项目或数据。课堂中的鼓励性说法不能当作学校当前论文规范或通过承诺，具体要求以正式规范为准。

## 交给AI时 自己要把住什么

可以请AI帮助整理数据、计算、画图和检查解释，但要给它研究问题、分析单位、变量含义、分组关系、缺失规则和预定指标。要求其区分“真实数据计算”“假设示例”和“尚未验证”，并检查它是否用错方法、混淆因果或编造结果。

录音16 00:22:52—00:24:54强调理解原理有助于清楚表达问题并检查AI输出。你需要掌握的正是这种判断能力，不是把软件操作步骤全部背下来。

## 先自己判断

1. 只要P值显著，业务门槛、实施成本和保护指标就不再重要。
2. 上线前后指标改善，可以先作为观察事实，但应继续检查是否存在其他解释。
3. 论文没有得到预期的改善，就应删掉不理想数据，直到效果明显。

### 答案与理由

1. 错。统计证据只是行动判断的一部分。
2. 对。观察到改善与确认原因应分开写。
3. 错。完整、可信的证据和对问题的解释，比事后筛选“好结果”更重要。

**回查。** 笔记末段关于论文与具体项目的记录；录音15 01:03:05—01:10:37；录音16 00:22:52—00:24:54；录音18 00:21:00—00:21:57关于先理清业务流程的分享。
<!-- PAGE -->
# 附录一 把课堂速记改成更准确的理解

速记保留了当时的疑问，适合拿来定位学习重点。下面逐项修正的是笔记表达和使用边界，不据此判断你已经形成了这些误解。

| 原记录或疑问 | 更准确的理解 | 为什么影响判断 |
| --- | --- | --- |
| “5%以内认为小概率事件，不可能发生” | 小概率事件仍会发生；显著性阈值是统计规则，不是现实可能性的边界 | 否则会把统计判断当成绝对证明 |
| “标准正态法 N（0，1）” | Z-score重定均值与尺度；只有原分布符合正态等条件，才对应标准正态 | 偏态数据不会被减均值除标准差自动修好 |
| “2/1.96标准差内的都是95%” | 正态分布下，均值上下约1.96个标准差覆盖约95%，2个标准差约95.45%；不适用于任意分布 | 不能把所有超出某区间的记录都当成错误 |
| “回归法最准确，耗资源” | 回归填补利用其他变量，但准确性依赖关系、缺失机制和模型；不一定最好 | 错误填补可能引入偏差，并低估不确定性 |
| “无偏估计？” | 在同一抽样机制下反复取样，估计量的平均值等于目标参数 | 无偏不保证这一次估计恰好正确，也不保证误差小 |
| “R平方越接近1，可替代性越强？” | 需问谁被谁预测；辅助回归的高R平方提示输入的线性重复，主模型的R平方描述目标的拟合 | 不能看见高R平方就删除业务变量 |

## 方法使用中的几个边界

| 原记录或疑问 | 更准确的理解 | 为什么影响判断 |
| --- | --- | --- |
| “独立样本T检验可以用在两个方案的好坏” | 适合比较独立组的数值均值；比例、配对、多组等要另选合适方法 | “两个方案”还不足以确定方法 |
| “三个及以上比较平均水平用方差分析” | 是常用场景，仍需看独立性、分布和方差条件；两组也可以ANOVA | 不能只数几个组，忽略同一人反复测量 |
| “皮尔逊相关系数” | 衡量数值间线性关联；不反映全部非线性，也不自动代表因果 | 低r不等于没关系，高r不等于能干预 |
| “F检验是啥” | 一类按相应F分布检验的方法；不同场景检验不同零假设 | 方差比较、均值比较和回归整体检验不能混说 |
| 标杆经验可以萃取到本公司 | 可形成方案假设；需要比较情境、落实和效果验证 | 成功案例不是所有公司都适用的证明 |

以上原记录来自笔记相应段落；解释是本手册结合课件补充。无偏估计只作概念澄清，本次材料不足以确认老师完整讲解到哪一步。

## 课件和录音中的口语简化怎样使用

课件3第10、25、48页及录音16相关段落，出现“接受原假设”“没有关系”“宣称可信”等表达。本手册统一提醒：普通检验没有拒绝原假设，通常应写成“尚无足够证据拒绝”，不能直接宣称已经证明相等、独立或某个效果门槛。

录音15 01:25:22—01:27:28中的标准化讲法，需与“改变尺度不保证改变分布形状”一起理解。录音15 01:31:00—01:33:45及录音16 00:08:10—00:09:51中的小概率说法，按第4章的条件性解释阅读。

录音17 00:48:11—00:50:37强调稀有故障样本不足。可以保留“要关注少数类数据与评估”的思路；“样本必须接近一半一半”“1:9必定过拟合”等绝对化表达，不作为普遍规则。

课堂分享中的项目成绩、企业进展和AI产品判断均属于老师自述或课堂观点，本手册只提取与学习目标相关的分析思路，不将其升级为已独立核验的外部事实。

<!-- PAGE -->
# 附录二 课程材料与录音回查索引

## 目前上课进度

**用户补充确认：本课程共4次课，目前已上2次；这8份PDF应为老师提前给出的全套课件。** 录音文件数不等于上课次数。本手册不推定15—18号录音各自对应哪一次课，也不按文件日期推断授课日期。

课堂覆盖分三种标记：“录音可定位”表示找到相关讲授片段；“笔记有记录，课件补全”表示有学习记录，但录音中未找到该模块完整讲解；“后续预习”表示此处主要依据全套课件安排学习，不认定已经系统讲过。没有录到不等于没有讲过。

## 课件目录与本手册对应

| 文件 | PDF总页数 | 重点回查页 | 对应章节 |
| --- | --- | --- | --- |
| 商务数据分析（1）.pdf | 28 | 7—8 数据信息知识；16—20 相关与预测；22 课程总计划 | 第1、8、10章 |
| 商务数据分析（2）.pdf | 25 | 3—19 抽样；21—23 标准化与清洗；24—25 特征及关系 | 第2、3、5、9章 |
| 商务数据分析（3）.pdf | 49 | 3—29 卡方；32—39 独立样本T；41—49 配对T | 第4—6章 |
| 商务数据分析（4）.pdf | 40 | 3—11 思想与条件；20—31 表与F；35—40 多重比较 | 第7章 |
| 商务数据分析（5）.pdf | 39 | 3—14 相关；15—27 回归和R平方；28—33 共线性 | 第8—9章 |
| 商务数据分析（6）.pdf | 23 | 3—10 概念及距离；14—20 主要方法 | 第10章预习 |
| 商务数据分析（7）.pdf | 27 | 3—9 流失例子与树的流程 | 第10章预习 |
| 商务数据分析（8）.pdf | 21 | 3—6 网络结构；8—18 表达能力；20—21 工具练习 | 第10章预习 |

所有PDF均提取文字，并对页面运行图片文字识别，避免遗漏图片页；关键引用内容与原有文字及选定页面交叉检查。OCR不是公式校订结果，本手册不复制未经检查的公式推导。

## 四段录音与关键时间

四段原文件为《北京邮电大学海淀校区教三楼 15.m4a》《北京邮电大学海淀校区教三楼 16.m4a》《北京邮电大学海淀校区教三楼 17.m4a》《北京邮电大学海淀校区教三楼 18.m4a》，下表按编号简写。

全部录音已通过飞书妙记取得自动逐字稿。下面索引基于逐字稿检索和关键段落阅读，**未声称人工逐秒听完或逐字校正**。自动转写的说话人名不作为独立身份验证；依据课程上下文作讲授内容转述。

| 录音 | 时长约 | 关键时间段及内容 |
| --- | --- | --- |
| 15.m4a | 1小时56分9秒 | 00:21:56—00:24:06 数据信息知识；00:41:57—00:54:29 概率抽样；01:03:05—01:10:37 论文问题与证据链 |
| 15.m4a 续 | 同上 | 01:12:25—01:21:50 非概率抽样；01:23:20—01:33:45 标准化与概率；01:34:18—01:40:35 缺失异常；01:41:22—01:55:36 特征选择与关系判定 |
| 16.m4a | 46分52秒 | 00:01:38—00:04:41 统计思想；00:05:11—00:22:52 卡方与案例；00:22:52—00:24:54 理解原理与检查AI |
| 16.m4a 续 | 同上 | 00:30:39—00:41:37 独立样本T；00:41:37—00:46:31 配对T与减重案例 |
| 17.m4a | 1小时13分5秒 | 00:38:24—00:41:08 历史基准及业务分层；00:44:45—00:46:03 位置特征；00:48:11—00:50:37 稀有故障样本 |
| 18.m4a | 31分50秒 | 00:08:20—00:10:09 路网与相似度；00:10:57—00:12:13 数据到应用；00:21:00—00:21:57 业务流程优先 |

点击可回到本次转写：录音15 [妙记链接](https://xinsuixing.feishu.cn/minutes/obcnkt32e88bq884l9vjcnw5)；录音16 [妙记链接](https://xinsuixing.feishu.cn/minutes/obcnkt5it9efsb9k8u6m2622)；录音17 [妙记链接](https://xinsuixing.feishu.cn/minutes/obcnkt82btf2i5627rr9b56h)；录音18 [妙记链接](https://xinsuixing.feishu.cn/minutes/obcnktxwfu4v6918s99248dg)。链接访问权限取决于你当前飞书账号，本手册未扩大分享范围。

笔记末段另有NLP、GAN、MAIC等碎片记录。它们主要关联课堂扩展分享，本手册未把它们扩展成统计核心章节，也未用这些片段补造软件名称、论文要求或产品现状。

<!-- PAGE -->
# 最后一页 遇到什么问题 考虑什么方法

先确定分析单位和结果类型，再看独立还是配对；方法名称只是下一步入口。下表用于初选，不能替代分布、缺失、模型与研究设计的检查。

| 我想回答什么 | 需要什么数据 | 初步考虑 | 结果的边界 |
| --- | --- | --- | --- |
| 样本能代表谁 | 总体名单、抽样规则、回应情况 | 抽样与覆盖检查 | 样本多不能自动消除偏差 |
| A、B成功比例是否有关 | 独立对象的类别计数 | 卡方；稀疏时适合的精确方法 | 关联不自动等于因果 |
| 两组人的均值是否不同 | 独立组的数值指标 | 独立样本T，考虑Welch | 均值改善不代表每个人改善 |
| 同一人的前后数值是否改变 | 一一配对的数值 | 配对样本T | 变化可能混入时间和练习因素 |
| 多个独立组均值是否全相等 | 分组标签和数值指标 | 单因素ANOVA | 显著只说明均值不全相等 |
| 两个数值是否一起变化 | 同一对象的两项数值 | 散点图、相关分析 | r接近0仍可能有非线性 |
| 多个因素怎样关联结果 | 结果与多个输入 | 合适的回归模型 | 控制变量不自动保证因果 |
| 模型拟合好不好 | 预测值、实际值、残差 | R平方、误差及独立验证 | 高R平方不是高正确率 |
| 输入是否重复提供信息 | 多个输入及业务含义 | 辅助回归、VIF等 | 不凭一个阈值机械删变量 |
| 用户能否分成相似群体 | 特征，无预设类别 | 聚类 | 分出的群不等于固定真实类别 |
| 谁会流失或失败 | 历史特征、可信标签 | 分类模型，如树或神经网络 | 看漏判误判，不只看准确率 |

**交付结论时说清六件事：** 哪些对象、什么指标、差多少、区间多宽、有哪些限制、下一步做什么。普通检验未显著，不等于已经证明没有差异。