《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

简介: 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。
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

目录
相关文章
|
4月前
|
数据采集 监控 数据可视化
BI工具在数据分析和业务洞察中的应用
BI工具在数据分析和业务洞察中的应用
129 11
|
4天前
|
人工智能 数据可视化 搜索推荐
云市场伙伴动态 | 分析和商业智能平台领导者Tableau
云市场伙伴动态 | 分析和商业智能平台领导者Tableau
|
5月前
|
SQL 缓存 分布式计算
阿里云连续五年入选Gartner®分析和商业智能平台魔力象限,中国唯一
Gartner® 正式发布《分析与商业智能平台魔力象限》报告(Magic Quadrant™ for Analytics and Business Intelligence Platforms),阿里云成为唯一入围该报告的中国厂商,被评为“挑战者”(Challengers)。这也是阿里云连续五年入选该报告。
|
2月前
|
安全 数据挖掘 BI
欢迎使用Quick BI,开启您的智能数据分析之旅!
欢迎选择Quick BI作为您的数据分析伙伴!本文将为您介绍一个月全功能免费试用教程,帮助您轻松上手。请确保在PC环境下操作。
283 5
|
4月前
|
机器学习/深度学习 算法 数据挖掘
如何利用 BI 工具分析客户流失原因?
如何利用 BI 工具分析客户流失原因?
85 10
|
4月前
|
数据采集 数据可视化 数据挖掘
数据驱动决策:BI工具在数据分析和业务洞察中的应用
【10月更文挑战第28天】在信息爆炸的时代,数据成为企业决策的重要依据。本文综述了商业智能(BI)工具在数据分析和业务洞察中的应用,介绍了数据整合、清洗、可视化及报告生成等功能,并结合实际案例探讨了其价值。BI工具如Tableau、Power BI、QlikView等,通过高效的数据处理和分析,助力企业提升竞争力。
103 5
|
4月前
|
人工智能 供应链 搜索推荐
大数据分析:解锁商业智能的秘密武器
【10月更文挑战第31天】在信息爆炸时代,大数据分析成为企业解锁商业智能的关键工具。本文探讨了大数据分析在客户洞察、风险管理、供应链优化、产品开发和决策支持等方面的应用,强调了明确分析目标、选择合适工具、培养专业人才和持续优化的重要性,并展望了未来的发展趋势。
|
5月前
|
数据挖掘 UED
ChatGPT数据分析——探索性分析
ChatGPT数据分析——探索性分析
83 1
|
5月前
|
数据可视化 数据挖掘 数据处理
ChatGPT数据分析应用——热力图分析
ChatGPT数据分析应用——热力图分析
184 1
|
5月前
|
数据挖掘
ChatGPT在常用的数据分析方法中的应用(分组分析)
ChatGPT在常用的数据分析方法中的应用(分组分析)
102 1