《BI那点儿事》三国数据分析系列——蜀汉五虎上将与魏五子良将武力分析,绝对的经典分析
原文:《BI那点儿事》三国数据分析系列——蜀汉五虎上将与魏五子良将武力分析,绝对的经典分析

献给广大的三国爱好者们,希望喜欢三国的朋友一起讨论,加深对传奇三国时代的了解

数据分析基础概念:
集中趋势分析是指在大量测评数据分布中,测评数据向某点集中的情况。
总体(population)是指客观存在的,并在同一性质的基础上结合起来的许多个别单位的整体,即具有某一特性的一类事物的全体,又叫母体或全域。简单地说,总体也就是我们所研究的性质相同个体的总和,用符号N表示。
样本(sample),是指从总体中抽出的一部分个体。样本中所包含个体数目称样本容量或含量,用符号n表示。
标准差与方差的区别:从公式上可以很明显看出,方差是标准差的平方,其余一模一样。
那它们二者的区别就体现在,标准差是以最初的单位存在,而方差是以平方单位存在。

建立准备分析环境:
蜀汉五虎上将,是指罗贯中的长篇小说《三国演义》中,蜀汉昭烈帝刘备麾下的五员猛将,分别是:关羽、张飞、赵云、马超、黄忠。原文描写为“五虎大将”,后人惯称“五虎上将”。

SELECT  *
FROM    FactSanguo11
WHERE   姓名 IN ( N'关羽', N'张飞', N'赵云', N'马超', N'黄忠' )


关羽、张飞、赵云、马超、黄忠武力值为:97,98,96,97,93
分析过程:

验证分析结果:

SELECT  AVG([武力]) AS 均值 ,VARP([武力]) AS 总体方差 ,VAR([武力]) AS 样本方差 ,STDEVP([武力]) AS 总体标准差 ,STDEV([武力]) AS 样本标准差
FROM    FactSanguo11
WHERE   姓名 IN ( N'关羽', N'张飞', N'赵云', N'马超', N'黄忠' )

魏五子良将
五子良将是指三国时期,曹魏势力的五位将军,即前将军张辽、右将军乐进、左将军于禁、征西车骑将军张郃以及右将军徐晃。
陈寿撰写魏书卷十七时,将此五人合传,叙述诸将生平事迹后评曰:“太祖建兹武功,而时之良将,五子为先”,因此现代人将其称之为“五子良将”或“魏五子”。

SELECT  *
FROM    FactSanguo11
WHERE   姓名 IN ( N'张辽', N'乐进', N'于禁', N'张郃', N'徐晃' )


张辽、乐进、于禁、张郃、徐晃 武力值为:92,84,78,89,90
分析过程:

验证分析结果:

SELECT  AVG([武力]) AS 均值 ,VARP([武力]) AS 总体方差 ,VAR([武力]) AS 样本方差 ,STDEVP([武力]) AS 总体标准差 ,STDEV([武力]) AS 样本标准差
FROM    FactSanguo11
WHERE   姓名 IN ( N'张辽', N'乐进', N'于禁', N'张郃', N'徐晃' )

分析结论:

蜀汉五虎上将

魏五子良将

1均值

96.2

86.6

2中位数

97

89

3众数

97

-

4最大

98

92

5最小

93

78

6极差

5

14

7总体方差

2.96

25.44

8总体标准差

1.72

5.04

9样本方差

3.7

31.80

10样本标准差

1.92

5.64

11 CV(sample)

1.9958%

CV(sample)= (1.92/96.2)*100%=1.9958%

6.5127%

CV(sample)= (5.64/86.6)*100%=6.5127%

附录:蜀汉五虎上将、魏五子良将配图

posted on 2014-12-02 09:20 NET未来之路 阅读(...) 评论(...) 编辑 收藏

转载于:https://www.cnblogs.com/lonelyxmas/p/4136621.html

《BI那点儿事》三国数据分析系列——蜀汉五虎上将与魏五子良将武力分析,绝对的经典分析...相关推荐

  1. 【大话三国】揭秘蜀汉五虎将的真相

     陈寿所著的<三国志>确实是将这五员大将放在一块立传,在<三国志>第三十六卷,就有一个专门的"关张马黄赵传".  这五员大将的真实历史面目如何.先说关羽,史 ...

  2. 三国时期曹魏五大名将-五子良将

    张辽 张辽(169-222年)字文远,本姓聂,雁门马邑(今山西省朔州市)人.三国时期曹魏名将.曾先后从属于丁原.何进.董卓.吕布.下邳之战后,归顺曹操.曾担任先锋,于白狼山斩乌桓单于蹋顿.后镇守合肥时 ...

  3. 《BI那点儿事》Microsoft 聚类分析算法——三国人物身份划分

    <BI那点儿事>Microsoft 聚类分析算法--三国人物身份划分 原文:<BI那点儿事>Microsoft 聚类分析算法--三国人物身份划分 什么是聚类分析?  聚类分析属 ...

  4. 《BI那点儿事》Microsoft 决策树算法——找出三国武将特性分布,献给广大的三国爱好者们...

    <BI那点儿事>Microsoft 决策树算法--找出三国武将特性分布,献给广大的三国爱好者们 原文:<BI那点儿事>Microsoft 决策树算法--找出三国武将特性分布,献 ...

  5. Python数据分析系列(2)——美国纽约皇后区空气质量分析

    感谢关注天善智能,走好数据之路↑↑↑ 欢迎关注天善智能,我们是专注于商业智能BI,人工智能AI,大数据分析与挖掘领域的垂直社区,学习,问答.求职一站式搞定! 天善智能社区地址:https://www. ...

  6. Python数据分析系列(1)——葡萄酒评分

    感谢关注天善智能,走好数据之路↑↑↑ 欢迎关注天善智能,我们是专注于商业智能BI,人工智能AI,大数据分析与挖掘领域的垂直社区,学习,问答.求职一站式搞定! 天善智能社区地址:https://www. ...

  7. arcgis 快速制图插件_51GIS学院|ArcGIS空间数据分析系列课程的27个视频

    51GIS学院 课程背景 迎接科学分析与国土空间规划,迅速掌握ArcGIS基础操作并进阶实战,推出本次ArcGIS空间数据分析系列课程.系列课程一,为ArcGIS基础与制图,课程目标为掌握ArcGIS ...

  8. 数据分析系列精彩浓缩(二)

    数据分析系列精彩浓缩(二) 那么我们有了UCI提供的datasets,我们怎么Perfect operation呢? First,we download a data file to the loca ...

  9. 《BI那点儿事》数据流转换——排序

    <BI那点儿事>数据流转换--排序 原文:<BI那点儿事>数据流转换--排序 排序转换允许对数据流中的数据按照某一列进行排序.这是五个常用的转换之一.连接数据源打开编辑界面,编 ...

最新文章

  1. 姚期智:这是一个“前所未有”的金融科技与计算机科学的黄金时代
  2. [Python]网络爬虫(五):urllib2的使用细节与抓站技巧
  3. 【实验】综合实验-咔咔咔还是一顿整
  4. golang适合做什么_什么八字适合做销售 适合做销售的八字特征
  5. 推荐一个Python GUI神器,双手彻底解放!
  6. android linux网络连接,Android和Linux服务器之间的TCP连接
  7. 1506G. Maximize the Remaining String
  8. Project中三种任务类型解释
  9. MySQL 启动故障 处理 小记
  10. 读取.Properties配置文件
  11. 民营企业实施ERP 须先上规范化补习班
  12. 算法比赛玩腻了?试试这个不一样的 Java 编程挑战赛!
  13. 更改putty默认配色方案
  14. redis的failover ,redmon安装
  15. Java学习笔记:公司账目流水表生成报表1
  16. MPU6050加速度传感器学习笔记之传感器
  17. mysql 提示The maximum column size is 767 bytes.
  18. 记一次内网kafka映射到外网端口遇到小问题
  19. nova-week2
  20. Elliptic curve cryptography

热门文章

  1. 的translate插件_知否 ?知否 ?React插件了解一下!
  2. linux查看端口属性,linux如何查看系统属性指令?
  3. 在安卓手机上下载linux系统,如何在安卓手机上运行Ubuntu系统
  4. cout输出字符串_leetcode C++题解系列-042 字符串相乘
  5. 淮北师范18-19计算机科学与技术大类实验课试卷
  6. HTML+CSS+JS实现 ❤️六边形圆柱弹性动画特效❤️
  7. 基于JavaWeb SSM mybatis 学生信息管理系统设计和实现以及文档报告
  8. python数据分析函数大全_python中数据分析常用函数整理
  9. python中convert函数用法_Python Pandas DataFrame.tz_convert用法及代码示例
  10. 没有bug队——加贝——Python 59,60