CDA数据分析师 出品
当一个人MIS专业人士的身份开始了职业生涯，然后进入商业智能（BI），随后进入了商业分析，统计建模以及机器学习领域。这些转换中的每一个都会要求改变如何关于看待数据的思维方式。
但是，在所有这些过渡中都值得一提的是。当以BI专业人员的身份创建管理仪表板和报告时。因为公司内部的结构性不同，可能会需要BI团队向业务分析师（BA）团队报告。那么这个时候就是需要明白什么是业务分析以及它与BI有什么不同。
因此，作为日常工作的一部分，BI需要准备了管理仪表板并对此进行评论。将本月第一周的销售额与上个月和去年同月的销售额进行比较，以表明业务有所改善。它看起来像这样：
在在BI团队看来销售的情况比去年和上个月要好，并会为销售团队最近采取的一些新措施表示赞赏。但是当BI团队认为这是向经理展示的成果时，并不会知道，等到的结果会是什么样子的。
当BI团队拿着报告给经理看时，他会称赞销售团队，但是他会提问为什么会认为这种提升不少数据的随机变化 如果BI团队中的负责人没有统计学背景，那么将无法理解经理的含义。 可能会认为在说两种不同的语言。没有统计学背景的经理可能看到这份报告可能会直接交给高级管理人员，查阅后进行封存，而有统计学背景的经理则可能会告知在没有一个解释的情况下不要随便的得出结论。
所以在今天的文章中，将解释假设检验和读取统计意义，以区分数据中的信号和噪音–而这也是拥有统计学背景的经理想要明白的！
案例研究：假设ABC学校的8年级学生的数学平均成绩为85。另一方面，如果我们随机选择30名学生并计算他们的平均分数，则他们的平均值为95。从这个实验中可以得出什么结论？这很简单。结论如下：
· 这30名学生与ABC学校的8年级学生不同，因此他们的平均分数更好，即，这些随机选择的30名学生样本的行为与总体（所有ABC学校的8年级学生）不同，或者这是两个不同的人群。
· 完全没有区别。结果仅是由于随机原因，即我们发现平均值是85。它可能高于/低于85，因为有些学生的平均分数小于或大于85。
我们应该如何确定哪种解释是正确的？有多种方法可以帮助你确定这一点。以下是一些选项：
1. 增加样本量
1. 测试另一个样品
1. 计算随机机会概率
前两种方法需要更多的时间和预算。因此，当时间或预算受到限制时，这两种方法是不理想的。
因此，在这种情况下，一种方便的方法是计算该样本的随机机会概率，即样本平均得分为95的概率是多少？这将帮助你从上面给出的两个假设中得出结论。
现在的问题是，" 我们应该如何计算随机机会概率？"。
要回答这个问题，我们应该首先要复习一下统计学的基础知识。
统计基础1。Z值/表格/ p值： Z值是标准偏差的度量，即与平均值相差多少标准偏差。例如，z值= 1.8可以解释为观测值与平均值之间有 1.8标准偏差。P值是概率。这两个统计术语都与标准正态分布相关联。你可以查看与Z表中每个z值关联的p值。下面是计算z值的公式：
这里的X是曲线上的点，μ是总体的平均值，而σ是总体的标准偏差。
