大数据分析中常用的统计方法包括以下三种：
1. 描述性统计分析：描述性统计分析是大数据分析中最常用的统计方法之一。它主要用于描述数据的基本特征，如平均值、中位数、众数、方差、标准差等。这些统计量可以帮助我们了解数据的分布情况和波动范围，从而对数据进行初步的分析和解释。描述性统计分析在数据预处理阶段非常重要，它可以帮助我们确定数据集的特征和结构，为后续的数据分析提供基础。
2. 推断性统计分析：推断性统计分析是大数据分析中用于从样本数据推断总体特征的统计方法。它主要包括假设检验、置信区间估计、回归分析等。假设检验是一种常用的推断性统计分析方法，它用于检验某个假设是否成立。例如，我们可以使用t检验来比较两个独立样本的均值是否存在显著差异，或者使用卡方检验来检验两个分类变量之间是否有关联。置信区间估计是一种常用的推断性统计分析方法，它用于估计总体参数的置信区间。例如，我们可以使用正态近似法来估计总体均值的置信区间，或者使用二项分布来估计总体比例的置信区间。回归分析是一种常用的推断性统计分析方法，它用于研究一个或多个自变量与因变量之间的关系。例如，我们可以使用线性回归模型来预测一个变量的变化趋势，或者使用多元回归模型来研究多个自变量对因变量的影响。
3. 非参数统计方法：非参数统计方法是一种不依赖于数据分布形式的统计方法，它在大数据分析中也有一定的应用。常见的非参数统计方法包括Mann-Whitney U检验、Kruskal-Wallis H检验、Spearman等级相关系数等。这些统计方法通常用于处理异常值、缺失数据、多分类变量等问题。例如，我们可以使用Mann-Whitney U检验来比较两个独立样本的均值是否存在显著差异，或者使用Kruskal-Wallis H检验来比较多个独立样本的均值是否存在显著差异。Spearman等级相关系数则用于衡量两个分类变量之间的相关性。
总之，大数据分析中常用的统计方法包括描述性统计分析、推断性统计分析和非参数统计方法。这些统计方法各有特点，适用于不同的数据分析场景。在实际的大数据分析项目中，我们需要根据具体的问题和数据类型选择合适的统计方法，并结合其他数据分析技术和工具进行综合分析，以获得准确可靠的结果。
