全球疫情数据分析：国家分类与趋势预测

"2020.6.13_期末总结1" 这篇期末总结是关于2019-2020学年第二学期《数据分析》课程的一份案例分析报告，作者通过对全球新冠疫情数据的深入探究，展示了数据分析在解决实际问题中的应用。报告的核心内容分为两个部分：问题探究1和问题探究2。 在问题探究1中，作者尝试将全球国家根据2020年4月12日的新增死亡和新增感染人数进行分类。首先，通过直方图（图1-1-1）对数据进行了可视化展示，发现Venezuela和Turks and Caicos Islands的数据明显高于其他国家。进一步分析原始数据，确认United States和United Kingdom受疫情影响最为严重。接着，作者运用主成分分析来探索数据的主要因素。表1-2-1的相关性矩阵显示cases（新增感染）与death（新增死亡）之间有高度相关性，而巴特利特球度检验和KMO取样适切性量数则表明数据适合进行主成分分析。 在问题探究2中，作者基于2019年12月31日至2020年4月12日的新增死亡和新增感染人数变化趋势，利用回归分析预测2020年4月13日美国的新增死亡和感染人数。这部分包括了回归分析曲线的展示（图2-1-1），并给出了具体的分析结果。通过对实际数据的比较，验证了预测的准确性。此外，还预测了4月13日美国的新增死亡和感染人数，并提供了结果展示（图2-2-1）及相应的分析。 这份报告涵盖了数据分析中的关键步骤，如数据可视化、假设检验、主成分分析和回归预测，展示了如何运用这些方法来理解和预测复杂现象，特别是在公共卫生领域的应用。报告详细呈现了分析过程，有助于读者理解数据分析在实际问题解决中的价值和方法。