一、相对误差与相对误差限

绝对误差看起来很直观，但有时不能确切地反映出某种测量的精确程度。例如，第一次测量100m的距离时，产生的绝对误差为1m，第二次测量1000m的距离时，产生的绝对误差为5m，那么，这两次测量哪一次比较精确呢？比较科学的对比方法，就是要考察在两次测量当中，平均每测量1m能产生多大的误差。很显然，前后两次测量中每米产生的误差分别为1％与0.5％，可见，第二次测量绝对误差是前次的5倍，但相对误差仅是前次的一半，相比还是第二次的测量结果比较精确。

在理论上，绝对误差与准确值之比称为相对误差，记为e*r，有

地球物理数据处理基础

在实际计算中，真值x*总是不知道的，故通常取

地球物理数据处理基础

作为x的相对误差，条件是e*r较小。

相对误差可正可负，它的绝对值上界称为相对误差限，记作

地球物理数据处理基础

二、数据分析需要掌握哪些知识?

数据分析较大数据来说还是容易一点的。数据分析需要一些理科性质的基础，包括统计学啊，Excel之类的。

首先，可以根据数据的量级给数据进行分类。一般情况下，我们可以使用EXCEL、SQL、Hadoop这三类工具来进行数据的分析。

首先我们要了解的，是一些统计学的常识，知道最基本的概率论与数理统计的知识，以及一些常见模型包括回归分析、时间序列分析、多元统计分析等的知识。

当我们的接收到数据的时候，肯定不能上来就分析的。我们需要清洗、降维等手段减弱错误/异常数据给分析结论带来的误差。同时，再根据清洗好的数据，进行有针对性的分析。此外呢，要根据数据的量级选择合适的数据分析工具。

1. 使用EXCEL进行分析

可能之前有的人接触多Excel，可能更多的是表格的美化、如何快速录入等等。但是数据分析我们要用到像是VBA之类的高级知识。使用excel来进行数据分析，我们首先要掌握像是sumifs、countis、vlookup等常见的函数，来更好的帮我们处理数据。

此外，我们要学习VBA（自动化编程语言）和Tableau(智能数据可视化图表)这些知识，让我们分析出来的东西更加炫酷地展示出来。还要学会如何编写我们的调查问卷，对问卷的信度和效度进行合理的考量，同时进行AB测试，不断地改善我们的问卷。

2. SQL数据库

针对结构化的数据，一般会选择建立一个数据库把数据进行存储，方便之后的分析。但是，如果遇到数据量级较大的情况下，EXCEL可能就有所欠缺了。这时候，就要接触到像是ACCESS与MYSQL等数据库了。

不同数据仓库的操作方法大同小异，主要是通过SQL语句来对数据库进行操作的。最基础的操作语句就是增删改查了。同时，还会通过主键、外键等对两个表之间链接，是其产生联系。像是游标、trigger触发器等等也是我们必会的知识点。

3. Python爬虫基础

Python是在数据分析中占据很大份额的。很多时候，数据并不是现成的，简单的调查问卷收集的数据有限，这就需要我们来使用多种工具技能型数据的抓爬了。在这主要是通过Python来进行数据获取的。通过学习数据类型、函数、流程控制语句、面向对象等知识点，达到使用工具编写简单应用程序，收集数据等等的工作。

另外，还会接触到像是朴素贝叶斯（分类器算法）、结巴分词（自然语言处理包）、Pandas（数据分析包）、sklearn（数据挖掘）等数据分析高级知识。也会接触到像是SAS、SPSS、R语言、商务BI等高级工具。

当我们学完以上知识之后，就可以称为掌握了一定的数据分析基础了。通过数据思维，我们在处理和分析问题上，通过建立统一的分析模型来分析数据，最终形成各式各样的数据报告，来进行前台的展示。

三、EXCEL数据处理问题

假设你数据处理表中客户姓名的单元格地址为D3

那么你就在需要显示客户ID的单元格上写上以下函数

=INDIRECT(基础数据表!B&MATCH(D3,基础数据表!A:A,0))

其他的就可以以此类推...

四、简单的数据处理

看来你经常处理的数据比较多…那么我建议你有时间研究一下Access，它和Word、Excel一样也是微软办公软件中的一种，不过它要涉及到编程，如果有兴趣学学VB，是编程的入门基础…这样可以为你搞数据库减轻点压力！祝你成功！

五、如何零基础从事数据分析

先给题主来点实际的吧，先看一下目前企业对于数据分析人才的要求：

引用网上的招聘吧：

1、负责项目的需求调研、数据分析、商业分析和数据挖掘模型等，通过对用户的行为进行分析了解用 户的需求；

2、参与业务部门临时数据分析需求的调研、分析及实现；

3、参与数据挖掘模型的构建、维护、部署和评估；

4、整理编写商业数据分析报告，及时发现和分析其中隐含的变化和问题，为业务发展提供决策支持；

5、对产品部门下的运营，产品，研发，市场销售等各方面的数据分析，处理和研究的工作需求。

大体都是如此。目前职场上的数据分析师，大体分为两类，一类是数据挖掘类，另一类是业务分析类。前者偏向技术，后者偏向业务。

基本专业知识学习

数学知识、统计学原理这个是必须要学习的，可以多逛逛论坛，看一些相关的书籍比如说统计之都。

技术方面

精学excel，sql，这两者是基础

业务方面

可以通过书籍学习数据分析的方法论

可能题主担忧最多的是代码这块吧，现在市场上也有很多零代码基础的数据分析工具例如FineBI等，所以完全不需要担心的。