在展示统计数字过程中，也就是使用图表过程中，有很多的统计陷阱。
好的图表可以更好的展示数据的意义，也就是可视化！
几个关键问题：
- 数据的两种类型
- 如何根据数据类型选择合适的图表
- 图表中的常见陷阱
- 柱状图和直方图的区别是什么？
- 数据分布：中心center和幅度spread
chapter 10 好图表与坏图表
统计学被用于处理数据，图表则被用来展示数据。图表可以帮助我们看清楚数据在说什么，但并非所有图表都能做到这一点。在这一章，我们将学习一些展示数据的基本方法，以及如何评估你在媒体上接触到的图表的质量。
类型变量categorical variable
数值变量quantitative variable
几种常见图表类型：柱状图，扇形图，线图，象形图。
这几种图表的适用情况：
- 柱状图：比较几组的“数值变量”时，建议用柱状图，比如比较四个国家的GDP，比如三个公司的利润，几个汽车公司的汽车销量，不同学历的人数，不同客户反馈效果的分布等
- 扇形图：当总和为100%时，使用扇形图pie chart，比如四个季度的汽车销售在全年的占比，比如各个部门的支出情况，比如企业或地区中不同学历的分布情况
- 线图：当展示数值变量随时间的变化时，使用线图line graph，横坐标是间隔相同的变量，比如时间年份，比如某种添加剂的添加量。 比如油价随时间的变化情况，比如智商随年龄的增长情况，等
- 尽量不要用象形图! 很容易误导人！容易出现《统计数字会撒谎》中提到的统计陷阱！
以下是同样数据用扇形图和柱状图的表述结果。
扇形图表达整体中各个部分，但是变成柱状图更容易看出两两比较的大小关系，所以尽量用柱状图
柱状图比饼图的适用范围更广。饼图只适用于比较一个整体的各个部分，柱状图适用于比较多个个体的数量。
类别变量和数值变量
类别变量（categorical variable）用于把个体归类到数个组（group）或数个类别（category）中。
数值变量（quantitative variable）的值是定量的，可以拿来做计算，比如求和或求平均值。
要表示类别变量的分布情况，可以用饼图或柱状图。
常见的统计学错误：
大部分的错误，都在另一本书《统计数据会说谎》读书笔记和《统计数据会撒谎》读书笔记 2/2
- 乱用几个图表，比如该用柱状图的时候用扇形图，或者反之。
- 数值变量：小心刻度！谨慎的人在看线图时，会很仔细地看横轴和纵轴上标示的刻度。
做好图表的几个原则
•一定要在标示和说明里说清楚，图里面展示的变量是什么、单位是什么以及数据的来源。
•要让数据很醒目。请记住，抓住看图者注意力的是数据本身，而不是标示、格子，也不是背景的图样。你是在画一个呈现数据的图，不是在从事艺术创作。
•要注意眼睛会捕捉到什么信息。避免用象形图，而且要小心选择刻度。也不要用很炫目的“三维”效果，因为那只会让人看得稀里糊涂，而不会增加看图人对数据的了解。考虑一下是不是对图稍微做些改变，从而使信息更清楚。
chapter 11 数值变量的分布图
两种图——直方图和茎叶图。如何绘制这两种图，以及该怎么看懂它们。
Q1:直方图和上一章的柱形图的区别？
A：直方图是将柱状图分组后的结果，因为横坐标是连续的数值变量时，横坐标不方便分得太细，所以按照相同的间隔进行分组，比如10-20岁，20-30岁，30-40岁，以简化图表
A：柱状图既可以用于数值变量，又可以用于类型变量。 而直方图用于展示数值变量的“分组”分布。
Q：什么时候用直方图，什么时候用茎叶图
A：要呈现数值变量的分布可以用直方图或茎叶图。在观察值的个数不多的时候，我们通常喜欢用茎叶图，数量大时才用直方图（数量大时，有分组的必要）。
Q：从直方图中，如何分析数据的意义？
A：整体形态（形状、中心Center和幅度spread）和偏斜（异常值）对于变量分布是非常重要的特征。
chapter12 用数字描述分布
关键词：对称分布和非对称分布，两种分布分别用什么数字描述，箱形图，中位数vs平均数，两种“中心”受极端数据和有偏数据影响的程度，
在这一章，介绍了用于描述分布中心Center和幅度spread的几类数字。
就对称分布而言，平均数和标准差可用来描述中心和幅度。
对于非对称的分布，我们使用五数（five number summary）概括来描述：中位数和四分位数——最小数、第一四分位数Q1，中位数M，第三四分位数Q3，最大数。根据一个分布的五数就可以绘制“箱型图（boxplot）
最常用的描述变量分布的方法是平均数Mean和标准差（standard deviation）。
Q：标准差计算公式，标准差的含义？
描述中心center和幅度spread有两种常用方式：五数概括，平均数和标准差。
Q：如何选择两种描述方法（五数表达，mean+SD）
A：平均数和标准差会受异常值或偏斜分布的长尾巴的严重影响，而中位数和四分位数则几乎不受影响。要描述偏斜分布，或者有异常值的分布，五数概括通常要比平均数和标准差更合适。只有在分布的形状大致对称又没有异常值的时候，才用平均数和标准差s。【所以正态分布非常适合用平均数和标准差】
常见统计学错误：
- 小心两种反映平均的数据：中位数vs平均数
- 注意两种描述中心和偏差的描述方法的适用范围，使用平均数和标准差描述分布很不均匀的数据，不能客观描述分布情况。【不是所有分布用平均值和标准差都是合适的】
## chapter13 正态分布=高斯分布
正态分布曲线（normal curve）是直方图的精细化版本，直方图进行平滑处理，即直方图的间隔进一步变小。
正态分布的一些性质，略。
知道平均数和标准差，就可以绘制出标准曲线。
68-95-99.7规则：68%，95%和99.7%的观察值，落在距平均值1，2，3个标准差的范围！
68-95-99.7规则的应用：
- 标准分：观察值距离平均值几个标准差！标准分=（观察值-平均值）/标准差
- 正态分布的百分位数：
问题：如何计算百分位数？
答案：50%是平均值，68%，95%和99.7%对应于1，2，3个标准差，基于此就可以大概推测百分位数。
2019-6-25 读完第二部分，这样就读完了本书。
2020-03-08 借着学习DOE的机会，最近重新梳理这本书，把这本书没有整理的读书笔记整理出来，并重读这本书读书笔记