新闻业以人们可以了解更多重要问题的方式报道事实。 在开放源代码数据和使数据分析变得轻松便捷的数字工具的时代，数据新闻业变得越来越重要和必要。
但是数据新闻到底是什么？
数据新闻只涉及使用数字讲故事。 它是关于仔细寻找和发现模式的。 这是关于寻找轶事和超越轶事的证据。 数据记者的角色是识别故事，为故事增加可靠性，并使数据栩栩如生。
作为数据新闻学的奠基人之一，Adrian Holovaty指出：
“数据新闻业是要从混乱中创造结构”
切记：正如正确的数学使您的故事振作起来并增加其可靠性一样，数学错误也会损害您的信誉。 好消息是，新闻编辑室的数学运算非常简单：用您的故事加，减，乘，除，征服世界！
从演讲到对话的飞跃：人机交互的挑战–数据…
机器人无处不在，几乎无所不能。 我们甚至已经开始在以下情况下与他们进行对话：www.datadriveninvestor.com
下面，我简要地介绍一些简单的数学和统计概念，这些概念可能对希望利用数据功能提出更引人入胜的故事的人有所帮助。 更具体地说，我将介绍如何
- 计算并使用百分比变化，中位数，比率，范围，平均值，四分位数。
- 使用标准差来识别离群值。
- 了解什么是相关性和线性回归。
1.百分比变化
计算百分比变化可帮助您将新数字与旧数字进行比较。
公式：（新-旧）/旧
例：
今年，一个村庄报告了25起事故。 去年报告了32起事故。
更改=（25–32）/ 25 =-0.28
事故数量减少了28％
2.费率
计算速率使您可以比较不同大小的样本。
公式：事件/人数*“每”单位
例：
在一个拥有24.8万人口的城市，据报告发生了37起自杀事件。
每100,000的比率= 37/248000 * 100000 = 14.9
每10万人的自杀率约为15
3.单变量统计
除了简单的算法，数据记者还可以考虑应用一些统计计算。
描述性统计是关于在数据集中获取单个变量并描述特征。 集中度的度量和变异性的度量都是很有见地的。
中央集权措施
- 平均值（平均值）：总计值，除以这些值的数量。
- 中位数：有序列表的中间值。 如果列表中有偶数，则可以取两个中间值中的任何一个，也可以计算这些值的平均值。
- 模式：最常见的值。
- 异常值：非典型值与平均值相差甚远：这可能是故事所在的地方，情况与平均值有所不同。
变化性
- 最大值和最小值：最大值和最小值 。
- 范围：最大值和最小值之间的距离。
- 四分位数：值的有序列表的每一半的中位数。 中位数的下半部分是第一个四分位数。 中位数的中间是第三四分位数。
- 标准差：与平均值的平均距离。 [这里是一个简单的免费在线标准偏差计算器]
例：
5名学生的考试分数为98； 75; 81; 75; 70
平均值： （98 +75 +81 +75 +70）/ 5 = 79.8。 特定考试的平均分数是79.8
中位数： 首先，让我们订购列表70； 75; 75 ; 81; 98.现在，我们看到中间值为75。
模式： 两个学生均获得75分，这就是模式。
异常值： 98似乎是非典型的高得分，因为它比其他任何得分都离中位数更远。
最大值和最小值：最大值 是98 ，最小值 是70
范围： 98 – 70 = 28
在离群值中发现故事。 标准偏差有助于定义一个值是否实际上是一个真正的异常值。 通常，如果发现与平均值的偏差超过3个标准偏差，则将其视为异常值。
*注意：世界上很多数据都是正态分布的 ，这意味着如果我们将数据点（读取：我们拥有的数字）以直角坐标平面绘制（读取：在线），则峰值将在中间，接近平均值。 曲线越宽，标准偏差越大。
评估数据“正常性”的一种有用方法是“经验法则”，它表明
- 平均值的1个标准偏差以内的值的68％
- 与平均值相差2个标准差以内的值的95
- 平均值的3个标准差以内的值的99.7％
*注意：请勿将平均值与中位数混淆。 平均值（均值）受异常值的影响，而中位数则不受。
4.多元统计
多元统计中的一个概念是相关性 ，它用于了解数据中两个或多个变量之间的关系。 用于评估相关性的一种数学测试是Pearson的R。该数字的范围是-1至1。
为了保持简单性，而不是用看起来复杂的公式吓anyone任何人（我说“ look”，因为实际上这些公式很简单且易于理解，但是花哨的符号使它们看起来难以理解）。 相反，这是在线Pearson R计算器的链接，您可以使用它跳过繁琐的计算并在几秒钟内获得数字。 一旦有了号码，就必须对其进行解释。 正r表示如果一个变量上升，另一个变量上升。 负r表示如果一个变量上升，另一个变量下降。
*注 ：相关性并不表示因果关系。 甚至熟练的统计学家有时也会犯错误，使因果关系变得混乱。 用于虚假因果关系的术语是“虚假相关性”。 实际上，虚假的关联本身常常导致超级吸引人的新闻报道。 随时检查一些有趣的例子。
多元统计中另一个有用的概念是线性回归 。 它是一种基于自变量值预测因变量的方法。 与相关性一样，数学公式可能看起来比实际复杂。 因此，记者可能会再次使用在线计算器，或者在Excel，Google表格或任何其他电子表格程序中使用数据分析附加组件。
*注：使用线性回归对历史数据进行预测。 假定未来很可能类似于过去。 因此，在确定地讲故事之前，记者应该记住要看清楚全局并评估假设的相关性
底线：数据新闻业确实是新闻业令人兴奋的分支。 查找模式和与这些模式的偏差，使用数字大胆声明，发现欺诈行为-所有这些都是媒体专业人员喜欢的“突发事件”的基础。 尽管有些记者对数学有轻微的理解，但每个人都有能力掌握和使用基本概念。 在我的帖子中，我试图简单地介绍如何
- 计算并使用百分比变化，中位数，比率，范围，平均值，四分位数。
- 使用标准差来识别离群值。
- 了解什么是相关性和线性回归。
希望对您有所帮助。
