《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
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
- 【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 ...
- 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 ...
- 《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 ...
- 《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 ...
- 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. ...
- 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. ...
- 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 ...
- 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 ...
- 《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
- 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
- [Python]网络爬虫(五):urllib2的使用细节与抓站技巧
- 【实验】综合实验-咔咔咔还是一顿整
- 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
- 推荐一个Python GUI神器,双手彻底解放!
- android linux网络连接,Android和Linux服务器之间的TCP连接
- 1506G. Maximize the Remaining String
- Project中三种任务类型解释
- MySQL 启动故障 处理 小记
- 读取.Properties配置文件
- 民营企业实施ERP 须先上规范化补习班
- 算法比赛玩腻了?试试这个不一样的 Java 编程挑战赛!
- 更改putty默认配色方案
- redis的failover ,redmon安装
- Java学习笔记:公司账目流水表生成报表1
- MPU6050加速度传感器学习笔记之传感器
- mysql 提示The maximum column size is 767 bytes.
- 记一次内网kafka映射到外网端口遇到小问题
- nova-week2
- Elliptic curve cryptography
热门文章
- 的translate插件_知否 ?知否 ?React插件了解一下!
- linux查看端口属性,linux如何查看系统属性指令?
- 在安卓手机上下载linux系统,如何在安卓手机上运行Ubuntu系统
- cout输出字符串_leetcode C++题解系列-042 字符串相乘
- 淮北师范18-19计算机科学与技术大类实验课试卷
- HTML+CSS+JS实现 ❤️六边形圆柱弹性动画特效❤️
- 基于JavaWeb SSM mybatis 学生信息管理系统设计和实现以及文档报告
- python数据分析函数大全_python中数据分析常用函数整理
- python中convert函数用法_Python Pandas DataFrame.tz_convert用法及代码示例
- 没有bug队——加贝——Python 59,60