恭喜，您的开机速度击败了全国7%的用户
[专栏] / 挖课机 [作者] / KEN
世界上最遥远的距离，不是没有网络；而是万事俱备，电脑还没开机。。。而我还TM死的不明不白~
>> 点击查看相关课程 ：和小蚊子学数据分析你可曾在一个月黑风高的夜里，或是一个晨露未晞的清晨...
倒上一杯饮料
切好一盘西瓜
准备一包纸巾
按下电脑的开机键...
等待着...
等...
...
有时不用等那么久：
但更多的时候...
...
所以大家一定很好奇开机时间是怎么计算的吧！
不管你们好不好奇，不如先脑洞大开，想象一下，这个功能软件工程师是怎么设计的呢？
你可能会觉得它是这样子实现的：
1、收集所有用户的开机时间的数据，排好序放在一个数据库中；
2、然后根据你的开机时间，找出你的排名，除以总用户数，就是你击败电脑占比。
是的，这样子设计排名算法是非常合理，但是有以下几个问题：
1、你电脑开机的时候，没有连接网络怎么办呢？那就无法请求到所有的用户的数据了对吧。
2、就算所有的用户的数据，已经下载到你本地，根据不完全统计，180*2的用户数，估计也超过10亿了吧，上10亿行的数据进行比较统计，放在开机这个地方，恐怕不妥，而且做过软件开发的人都知道，这种同步数据的方式，非常蛋疼。
那么我觉得它是怎么设计的呢？
我会这样子设计，首先，收集尽量多的用户的开机时间，然后，查看时间的分布如何。
Step 1. 查看时间分布
注：以下代码均为R语言代码实现
从这个图中，我们可以看到，开机时间貌似符合正态分布，有戏！
但是我只能用貌似，因为我还没有检测数据的正态性，好，我们使用R来检测一下开机时间是否符合正态分布。
Step 2. 检测正态分布
绘制QQ图，QQ图判断法：
查看我们的数据，是否绝大部分落在中间直线的附近。
可以看到，QQ图中，所有的点都落在了中间的直线上，直观上我们就可以判断这个数据的分布符合正态分布了。
验证了数据是正态分布的之后，事情就变得非常简单了，下面我们来看看如何进行建模。
Step 3. 查看时间分布
1、建立正态分布的模型。
只需要求出正态分布的均值和标准差即可，也就是：
2、保存这个数据在软件中。
有一个用户开机时间为38秒，那么他的排名是多少呢？
也就是说，我们使用pnorm函数，根据正态分布的性质，就可以求出这个用户的排名是87.5%了。
这样子设计这个功能，是否非常地简单，快捷呢？但是很多人可能想不到是这样子设计的。而说起统计学，大家的第一反应可能是这样的：
或是这样的：
但统计学可不像这么挫，正态分布也是一个完全可以让计算机自动计算的问题。
更多R语言相关实战课程，戳这里享受优惠和惊喜的学习体验！
注：本文没有使用到奇虎360公司的任何数据，所有数据都是通过模拟出来的，方案也是我个人YY的，如果做对了，纯属巧合，如果不对，你们可以批判我，请不要告我，谢谢周先生不杀之恩。
文章来源：小蚊子数据分析 ID：wzdata
作者：KEN 已授权转载
