開博第一篇先回顧下數據分析涉及到的統計學中最基本的概念，包含了以下幾個概念：總體，個體，抽樣，樣本，樣本容量。
1 總體
本小節所探討的總體的概念，特指在統計學中的“總體”。統計學中的“總體”，或稱統計總體（population），簡稱總體，指要調查或統計某一現象或事物全部數據的集合。
例如，我們要統計具有中華人民共和國國籍的中國公民(這里簡稱中國人)的年齡，那么所有中國人的年齡，就是我們研究和統計的總體；再例如，我們要統計國內互聯網從業人員的年薪，那么這些國內互聯網從業人員的年薪，就是我們研究的總體；再例如，淘寶公布的“女人胸越大越敗家”的調查結論，我們要分析女人胸的大小與敗家的相關性，那么所有在淘寶上有購買胸罩的女人的購買記錄(包括購買的胸罩的大小，以及此購買人最近一年或半年的總消費額)，就可以作為我們研究的總體。
總體有三個性質，以下作一個簡單的說明，並以“女人胸越大越敗家”做例子講解。
(1) 大量性，是指需要研究的總體的數目巨大。例如研究“女人胸越大越敗家”，就需要淘寶上所有購買胸罩的女人的交易記錄。
(2) 同質性，是指總體中研究的每一個數據(也稱個體)彼此之間有相同的性質，例如因為是淘寶公布的結論，所以研究數據都是取自淘寶，也即是在淘寶上的消費記錄，而非京東；並且這些購買記錄中都有消費胸罩這一項，不能拿購買褲子的記錄與購買胸罩的數據分析。
(3) 變異性，是總體中研究的每一個數據之間，也是有差異的。例如每條購買記錄是不同的人操作，都買了不完全相同的胸罩大小，有不同的消費額，特定的某一個數據(個體)，其總消費金額也是有差異的等等。
2 個體
個體，指需要研究的總體中一個特定的主體。
以探討總體時舉的例子，我們要統計具有中華人民共和國國籍的中國公民(這里簡稱中國人)的平均年齡，那么總體中的一個主體，或者說一個數據，例如題主的年齡--26歲，就是在這個總體--所有中國人的年齡--中的一個樣本；同理，某一個特定的互聯網從業人員，如某個阿里數據分析師的工資，也是國內互聯網從業人員的年薪中的一個特定的主體，也即個體；同理，每一個購買胸罩的消費記錄(和前兩個例子中的年齡和工資等一維數據構成一個個體不同，購買記錄可能會包含多維數據，例如：胸罩大小，此購買人最近一年或半年的總消費額等，這些多維數據共同構成了一個研究的個體)，就成為了我們研究女人胸的大小與敗家的相關性中的一個個體。
3 抽樣
舉一個例子，要檢驗某食品的出廠合格率，理想的做法，是打開所有總體--食品--的包裝，檢測總體中每一個個體--也即具體的每一盒食品--是否合格，再計算出出廠合格率。但這顯然是不現實的，因為打開所有包裝並檢查的成本過大。
這時我們需要從總體中抽選部分個體構成一個集合(也成為樣本，樣本中個體的數目小於總體數目)，如果抽取的集合中的個體能較全面，無偏地反映出總體的信息，就可以認為該抽樣是有效的。
抽樣按照個體是否放回可以分為有放回抽樣和無放回抽樣，有放回抽樣指從總體中抽取一個個體並記錄該抽樣結果后，再將該個體放回至總體中；無放回抽樣指從總體中抽取一個個體並記錄該抽樣結果后，不再放回該個體。二者區別就在於，有放回抽樣可能抽取重復的個體，而在無放回抽中不存在這種情況。
按具體的抽樣方法分類，可以分為簡單隨機抽樣，分層抽樣，比例抽樣，等距抽樣，系統抽樣等。
4 樣本，樣本容量
樣本是總體的一部分，它是由從總體中按一定程序抽選出來的那部分總體單位--也即個體--所組成的集合。那么這個集合中，個體的數目稱為樣本容量。
例如統計國內互聯網從業人員的年薪，我們經過抽樣獲得了淘寶，百度，騰訊等互聯網公司從業人員的10000條薪資記錄，那么這10000條薪資記錄就構成了我們研究的一個樣本，10000為該樣本的樣本容量。同理，分析女人胸的大小與敗家的相關性，經過抽樣獲得的5000條消費記錄，就構成了一個樣本，5000為該樣本的樣本容量。
那么樣本與抽樣的關系，就可以理解為抽樣是過程，抽得的樣本是結果。最終得到的樣本，也需要盡量能全面地反映出總體的特性，例如統計國內互聯網從業人員的年薪，如果只統計了淘寶，百度，騰訊三家公司，肯定是不能代表整個互聯網從業人員的年薪，因此可以認為該樣本並不是能有效反映總體的抽樣樣本。
最后用一個例子作為今天講解概念的總結：
要研究一所擁有10000名學生的大學中，學生的平均身高。我們從10000名學生中隨機抽取了100名學生作為調查對象，那么：
1 總體：10000名學生的平均身高；
2 個體：某一個學生的身高，例如，學號為00001的學生的身高；
3 抽樣：從10000名學生中隨機抽取了100名學生作為調查對象(樣本)的過程；
4 樣本：抽取的100名學生的身高數據；
5 樣本容量：100
*******************************************************************
版權所有，轉載請注明出處
歡迎大家就數據分析、數據挖掘相關問題與我溝通交流。
E-mail：humengnju@sina.com
*******************************************************************