背景：

經(jīng)過產(chǎn)品經(jīng)理詳細且周密的埋點準備工作以及產(chǎn)品線上各個環(huán)節(jié)童鞋的齊心協(xié)力，需求以及埋點方案終于上線啦。部分看官認為上線了即代表大頭的活都完成了，實際上，上線后才是埋點剛剛開始收集數(shù)據(jù)的開端，這才剛剛開始~

收集了數(shù)據(jù)緊接著面臨的問題就是怎么分析才是最精準的、嚴謹?shù)?？理想情況下從埋點上線那一刻起一直到產(chǎn)品退市，取全量所有時間點的數(shù)據(jù)進行分析時，數(shù)據(jù)才最準確。那在實際工作中也要用此方法嗎？顯然不行~

其次相信大家在日常工作中或多或少都聽說過以下的問題：

場景一：某產(chǎn)品的需求上線后，隔了一天，從后臺取出埋點數(shù)據(jù)一看，效果很好，有大量的用戶在使用這個功能。并且推動了轉(zhuǎn)化率的提升，最終提升了核心指標。安奈不住心中的喜悅，拿著一天的數(shù)據(jù)去跟領導匯報，結果卻被領導大罵一場~~

場景二：產(chǎn)品需求A（詳情頁X功能優(yōu)化）剛上線3天，還沒有分析需求A所涉及的所有主要評估埋點，以及輔助評估埋點，以及后續(xù)的流程，緊接著在同一個頁面：詳情頁上線需求Y。領導得知此事后，然后、然后產(chǎn)品經(jīng)理被領導叫去喝茶了…

場景三：某產(chǎn)品經(jīng)理說，自己負責的產(chǎn)品已經(jīng)處于產(chǎn)品生命周期的中后期了，不求快速迭代增長，只求穩(wěn)定，減緩數(shù)據(jù)下跌速度。需求少，幾個月都沒有一個需求上線。等上線需求以及埋點方案后，我等上3個月，3個月時間夠長！數(shù)據(jù)一定具備代表性，一定能反應客觀真相。領導得知此事后，大家懂得，產(chǎn)品經(jīng)理被領導叫去喝茶了…

在不同的場景中各產(chǎn)品經(jīng)理是因為什么原因?qū)е卤徽埡炔枘?，下面做下初步的問題拆解：

1、  場景一中顯然取數(shù)的周期太短，樣本數(shù)據(jù)不具備代表性，不能代表整體趨勢。例如：新上線的功能，用戶趨于好奇去點了下，看看好用不好用，怎么用，而不是需求驅(qū)動的功能使用。

2、  場景二不僅3天的數(shù)據(jù)周期并不具備代表性不能代表整體趨勢。而且在X功能沒有輸出分析結論的前提下在同一個頁面上線需求Y。帶來的結果就是無論數(shù)據(jù)漲跌，都無法產(chǎn)出分析結論，X功能與Y功能相互影響，無法判定數(shù)據(jù)漲跌的原因。最壞的結果就是：雖然X功能導致數(shù)據(jù)下降，但是由于判斷兩個功能之間的影響關系，只能一刀切，兩個功能一起下線。

3、  場景三雖然取數(shù)的周期足夠長，但是由于外部因素影響，也可能使數(shù)據(jù)有偏移客觀事實的趨向。例如在二手車行業(yè)，大的節(jié)日，不同的月份，以及新車發(fā)布會等等外部事件都會對產(chǎn)品數(shù)據(jù)的波動產(chǎn)生較大的影響。

問題匯總：

1、  上線后數(shù)據(jù)取幾天才能進行推斷分析？ 為什么幾天的局部數(shù)據(jù)能代表整體？

2、  同一份數(shù)據(jù)，不同的人給出了不同的結論？怎么把握了問題的核心抓住數(shù)據(jù)的趨勢？

帶著疑問，與大家一起利用統(tǒng)計學上的理論與方法進入今天的正文，幫我們找到真相！

引言：

　在數(shù)據(jù)統(tǒng)計中研究現(xiàn)象的總體數(shù)量關系時，需要了解的總體對象的范圍往往是很大的，有時甚至是無限的，而由于各項目進度、時間和精力等各種原因，以致有時在客觀上只能從中觀察部分數(shù)據(jù)或有限數(shù)據(jù)進行計算和分析，根據(jù)局部觀察結果來推斷總體。

并且根據(jù)局部觀察結果來推斷總體時，其中把握局部問題的核心才是當務之急。從一大堆數(shù)字中看出模式和趨勢可能頗為不易，而求出平均數(shù)往往是把握全局的第一步。有了平均數(shù)就能迅速找出數(shù)據(jù)中最具代表性的數(shù)值，得出重要結論，在本篇中將與大家討論幾種方法，幫助計算最重要的統(tǒng)計量---均值、中位數(shù)，基于以上有效的匯總數(shù)據(jù)，達到得出簡練、有用的結果的目的。

正文：

為什么幾天的局部樣本數(shù)據(jù)能代表整體趨勢？首當其沖則需要用到的就是統(tǒng)計學上的辛欽大數(shù)定律，討論定律前首先需要了解以下名詞：

名詞解釋：

相互獨立：獨立就是每次抽樣之間是沒有關系的,不會相互影響。

例如：本汪拋一枚骰子，第一次拋骰子的結果是1點，第二次拋骰子的結果是6點，第一次投中1點的結果并不影響第二次投中6點的結果，互不影響，相互獨立

同分布：同樣例如本汪拋骰子，每次投中任意點數(shù)的概率均為1/6,這就是同分布的。

意味著變量和變量之間具有相同的分布形狀和相同的分布參數(shù)，對離散隨機變量具有相同的分布律，對連續(xù)隨機變量具有相同的概率密度函數(shù)

獨立同分布：在概率統(tǒng)計理論中，指隨機過程中，任何時刻的取值都為隨機變量，如果這些隨機變量服從同一分布，并且互相獨立，那么這些隨機變量是獨立同分布。獨立同分布最早應用于統(tǒng)計學，隨著科學的發(fā)展，獨立同分布已經(jīng)應用數(shù)據(jù)挖掘，信號處理等不同的領域。

均值：為了求出一批數(shù)字的均值，我們會將這些數(shù)字加起來，然后除以這些數(shù)字的個數(shù)。均值是應用最廣泛的統(tǒng)計量之一。由于使用如此頻繁，統(tǒng)計師專門給了他一個符號：μ。這是一個希臘字母（讀作“謬”）。記住這只是表示均值的一種簡介方法。

數(shù)學期望E（X）：通俗一點，各位看官老爺可以理解為我們生活中說的平均值（在統(tǒng)計學上叫均值μ，不過當前為了便于通俗，可暫理解為E（X）=平均值，后面涉及數(shù)學期望E（X）時會單獨展開討論）。

基于以上名詞解釋后，下面介紹關鍵的辛欽大數(shù)定律：

設X1,X2，…是相互獨立，服從同一分布的隨機變量序列。且具有數(shù)學期望E（Xk）=μ.(k=1,2,…)。作前N個變量的算數(shù)平均

注釋：讀作“西格瑪”各位看官老爺可以理解為“將所有的變量加起來的意思”

上圖中即代表，K從1到N所有變量加起來/n

則對于任意ε>0,有

公式的證明過程此處不再展開。

上圖即代表當外面lim下面的N趨近于無窮大前置條件下，K從1到N所有變量加起來/n

的結果減去平均值μ取絕對值后的結果小于任意大于0的變量的概率為1。

對于獨立同分布且具有相同均值μ的隨機變量X1，X2，…XN,當N很大時，他們的算數(shù)平均數(shù)

很接近于μ，由此推導出以下結論：

可以用樣本的均值去估計總體均值。

所以，綜上所述，利用得出的結論，基于業(yè)務和實際樣本情況評估數(shù)據(jù)埋點時，我們就可以用每個埋點局部樣本數(shù)據(jù)推斷總體趨勢，這樣看似基于直觀的經(jīng)驗得出的結論便具備了數(shù)學意義的理論支撐。

其中樣本數(shù)據(jù)在取數(shù)時在盡可能保證其他因素變量不變的前置條件下，取1周~2周之間的數(shù)據(jù)作為樣本進行數(shù)據(jù)評估為宜。最好是1周后取一次查看數(shù)據(jù)表現(xiàn)并形成初步結論，2周后再取一次數(shù)據(jù)查看數(shù)據(jù)表現(xiàn)與第一周的數(shù)據(jù)在趨勢上是否吻合，是否存在較大的波動進行雙重驗證，并輸出分析結論，如2份數(shù)據(jù)差異較大，則有必要詳解的向下拆解，并持續(xù)重點關注數(shù)據(jù)變化~

本例中基于二手車行業(yè)產(chǎn)品，以及工作經(jīng)驗給出1~2周的數(shù)據(jù)周期作為參考，各位看官可根據(jù)實際情況以及樣本數(shù)據(jù)的波動情況以及是否穩(wěn)定來動態(tài)變化取數(shù)周期，靈活應對。

經(jīng)過以上數(shù)據(jù)周期后，假設我們獲得以下數(shù)據(jù)，如圖所示：

名詞解釋：

均值：可能以前有人讓你算過平均數(shù)，計算數(shù)據(jù)的平均數(shù)的一個方法是：將所有數(shù)字加起來然后除以數(shù)字的個數(shù)，在統(tǒng)計學中，這樣算出來的值叫做均值。

可能各位看官會問，我已經(jīng)習慣了叫平均數(shù)了，這樣叫有什么不妥嗎？

且聽我慢慢道來，因為在統(tǒng)計學上平均數(shù)不止一種，我們必須知道如何分別稱呼每一種平均數(shù)，才能方便的告訴別人你所說的是哪一種平均數(shù)，避免產(chǎn)生歧義，就像我們?nèi)ベI果汁，在果汁店要告訴售貨員要哪種果汁？蘋果汁？西瓜汁？還是梨汁？考慮到這一點，最好是明確指定所用的是哪一種平均數(shù)的計算方法。

首先介紹均值：為了求出一批數(shù)字的均值，我們會將這些數(shù)字加起來，然后除以這些數(shù)字的個數(shù)。均值是應用最廣泛的統(tǒng)計量之一。由于使用如此頻繁，統(tǒng)計師專門給了他一個符號：μ。這是一個希臘字母（讀作“謬”）。記住這只是表示均值的一種簡介方法。

頻數(shù)：在計算一批數(shù)據(jù)的均值時，我們常常會發(fā)現(xiàn)有些數(shù)字是重復的。例如上圖中有三天的數(shù)據(jù)都是100。

有一點確實很重要：在計算均值的時候，要把每個數(shù)的頻數(shù)考慮進去，為了確保不忽視這一點，我們可以把它寫入公式，用f代表頻數(shù)，就可以重新將均值表示如下：

這是表示均值的另一種方法，但這次明確指出了頻數(shù)，用這個方法計算的數(shù)據(jù)，得出：

然后我們得出初步結論：X按鈕的典型值μ等于627，每天有627的點擊量！

此時可能部分看官提出了挑戰(zhàn)，任務這個典型值是錯誤的，因為沒有一個值等于或者近似于679.9這個典型值。

哪里出現(xiàn)了問題？

我們需要查看數(shù)據(jù)，探明究竟，讓我們看看，繪制一個數(shù)據(jù)表格，看能否有助于幫助我們找到問題所在。

并繪制成直方圖如下：

通過直方圖看出點擊量形成了對稱的形狀，很容易看出點擊量的典型值。大部分的點擊量都在100上下，有2個值遠遠超過100，分別是3000和3002，像這樣的極值被稱作異常值。

通過直方圖可以看出，樣本中存在3000和3002這兩個異常值，那如果去除這兩個異常值，均值會是多少？與實際的均值進行對比會得出異常值的影響是什么？

觀察數(shù)據(jù)的表格與直方圖，很容易看出點擊量在99.7左右，如果表格中不包含那2個異常值的話，99.7就是均值。這2個異常值扭曲了均值，使均值抬高了。一旦發(fā)生了這種情況，我們就說數(shù)據(jù)偏斜了。

偏斜的原因是異常值處于均值的右邊，我們稱這種情況為向右偏斜。

向右偏斜的數(shù)據(jù)有一條“尾巴”，這條尾巴由偏大異常值形成，偏大異常值扭曲了均值，使均值拉高了—即拉向了右邊。

同理，以下圖為例解釋“向左偏斜”，下圖中近似出的數(shù)據(jù)分布曲線向左偏斜了，表明存在異常值（極小值），這些異常值較低把均值拉向了左邊。在這種情況下，均值小于大部分值。

  
在理想情況下，我們會希望看到通過直方圖近似出來的曲線為呈對稱形態(tài)。如果數(shù)據(jù)對稱，則均值位于中央。不會有任何異常值將均值拉向任何一側，中央位置兩側的數(shù)據(jù)形態(tài)大致相同。如下圖所示：

中位數(shù)：

當偏斜數(shù)據(jù)和異常值使均值產(chǎn)生誤導時，我們就需要用其他方式表示典型值。“中位數(shù)”閃亮登場，我們可以取中間值，這種做法是可行的，中間值其實就是另一種平均數(shù)，統(tǒng)計學上稱為中位數(shù)。

為了求出點擊量的中位數(shù)，首先將點擊量升序排列，取出中間數(shù)，如下所示：

如果各位看官在計算時，數(shù)量為偶數(shù)的話，則只要將兩個中間數(shù)加起來，再除以2,即可，結果就是中位數(shù)。此處不再展開討論。

大多數(shù)場景下，我們會使用均值，因為均值的優(yōu)勢遠勝于中位數(shù)，均值對于抽樣數(shù)據(jù)來說更穩(wěn)定，但是如上文所述，均值也有缺點，當樣本數(shù)據(jù)中存在異常值時，均值會被異常值帶偏，在這樣的場景下則可以使用中位數(shù)來表示典型值，因為中位數(shù)總是穩(wěn)穩(wěn)的站在樣本數(shù)據(jù)的中間。此外除了我們討論的均值、中位數(shù)外，還有一個平均數(shù)：眾數(shù)，適用于一個樣本數(shù)據(jù)中存在兩種類型的數(shù)據(jù)時使用，因為在統(tǒng)計埋點時均為一類一類的統(tǒng)計，不存在眾數(shù)的應用場景，所以此處不再展開。

總結：

基于統(tǒng)計學上辛欽大數(shù)定律：可以用樣本的平均值去估計總體平均值，作為理論基礎，解決了為什么能利用局部數(shù)據(jù)代表整體趨勢的問題，其次解釋了局部樣本數(shù)據(jù)取數(shù)周期的邏輯，為各位看官在自己實際工作中靈活取樣本數(shù)據(jù)的數(shù)據(jù)周期提供一些思路。并進一步通過利用統(tǒng)計學上均值與中位數(shù)找到樣本數(shù)據(jù)的典型值方法，解決在一份樣本數(shù)據(jù)中如何把握問題的核心抓住數(shù)據(jù)的趨勢的問題，防止因異常值的影響對數(shù)據(jù)做出錯誤解讀，使數(shù)據(jù)真正客觀真實的反應趨勢，進而解決業(yè)務問題，創(chuàng)造價值。