统计学的常用方法广泛且多样，覆盖了从数据的描述到推断的全过程，以及针对特定问题的高级分析。以下是一些核心和常见的统计学方法，它们在数据分析和研究中扮演着关键角色：

描述性统计学

平均数、中位数、众数：用于衡量数据的集中趋势。

范围、方差、标准差：评估数据的离散程度或变异性。

百分位数：如中位数（50%百分位数）和四分位数，用于数据分布的分割。

图表：如直方图、箱线图，直观展示数据分布。

推论统计学

参数估计：点估计和区间估计，用以推测总体参数。

假设检验：t检验、z检验、卡方检验等，验证样本数据与假设之间的差异是否显著。

方差分析(ANOVA)：比较多个组间均值的差异。

回归分析：研究变量间关系，如线性回归、逻辑回归等。

非参数统计学

统计学的常用方法是什么

Wilcoxon符号秩检验、MannWhitney U检验：适用于非正态分布数据的比较。

贝叶斯统计学

贝叶斯定理：用于概率推断，包括贝叶斯估计和假设检验。

生存分析

生存曲线、生存函数：分析事件发生时间，如产品寿命或疾病生存率。

因子分析

识别变量间共变性，简化数据结构。

聚类分析

将相似数据分组，用于市场细分或生物分类。

时间序列分析

趋势分析、周期性分析、季节性分析：预测未来趋势，如股票价格、天气模式。

相关分析

评估变量间关联强度，如皮尔逊相关、斯皮尔曼等级相关。

这些方法的选择取决于研究目的、数据类型和分布特性。在实际应用中，数据分析人员会根据具体情况灵活运用这些工具来揭示数据背后的信息和规律。