统计思维（实例6）——术语整理
- 数据清洗（data cleaning）
数据处理过程，包括数据验证、错误检查，以及数据类型和表示的转换等。 - 分布（distribution）
样本中的值以及每个值出现的频数。 - 频数（frequency）
一个值在样本中出现的次数。 - 尾部（tail）
一个分布中最高端和最低端的部分。 - 离群值（outlier）
远离集中趋势的值。 - 展布（spread）
对值在分布中扩展规模的度量。 - 概率质量函数（probability mass function，PMF）
将概率分布表示为从值到概率的映射。 - 百分位秩（percentile rank）
一个分布中小于或等于给定值的百分比。 - 累积分布函数（cumulative distribution function，CDF）
将值映射到累积概率的函数，CDF(x)是样本中小于或等于x的值所占的比例。 - CDF反函数（inverse CDF）
从累积概率p映射到对应值的函数。 - 分位数（quantile）
对应于等距百分位秩的一列值。 - CDF补函数（complementary CDF）
将值x映射到超过x的值所占的比例，即1-CDF(x) - 概率密度函数（probability density function，PDF）
连续CDF的导数，这个函数将值映射到其概率密度。 - 概率密度（probability density）
一个数值，可以在一个取值范围上进行积分得到一个概率。 - 核密度估计（kernel density estimation，KDE）
基于一个样本对PDF进行估计的算法。 - 偏度（skewness）
度量分布的对称性。 - 抖动（jitter）
为了可视化而在数据中加入的随机噪音。 - 标准化（standardize）
将一组值进行转换，使其均值为0，方差为1。 - 标准分数（standard score）
一个标准化的值，表示为距离均值的标准差数。 - 协方差（covariance）
对两个变量共同变化趋势的度量。 - 秩（rank）
一个元素出现在排序列表中的索引。
参考文献：
统计思维. Allen B.Downey. 金迎 译