【数据模型与决策讲解】数据整理及数据的描述.pptVIP

Chapter 2 数据整理及数据的描述 2.1统计数据 来源：统计报表（制度） 2.2频数（率）分布 直方图 -适当分组，确定组限、组中值 -编织频数分布表 例 共50人 50—60 5人 60—70 11人 70—80 17人 80—90 11人  90—100 6人  直方图 ●分布特征 从直方图到分布曲线 ●直方图给出一种“分布”的直观形式 ●钟型分布 如身高、体重、成绩 ● U型分布 如人群健康（生病） ●正反J型 ●劳伦兹曲线 本世纪初 将两种累计频率对应图示 前例50人 总分3770分 ●基尼系数 A/(A+B) 越小越均匀(公平) ●思考：与ABC分类法的关系？ ●例 6，9，12，15，18 宽度定为1时，所绘图形上 可以面积表示频率大小 任何一个关于频率的直方图，可以经适当度量变换，以分布形状的面积大小来度量频率大小。 如某地区 2.3分布的数字特征 均值：X＝(∑Xi)/n 离散趋势方差：S2＝ [∑(Xi－X)2]／(n-1) 例：6，9，12，15，18 　　均值：X＝(6+9+12+15+18)/5 ＝12 方差：S2＝ [36+9+0+9+36]／4=22.5 Chapter 3 3.1随机变量及其概率分布 前例6，9，12，15，18可以看作一种客观存在的分布 从另一个观点，如果5个数中每次取一个，则有P(X=6)=1/5, P(X=9)= 1/5,…,P(X=18)=1/5. 由6，9，12，15，18等可能的随机产生的性质，我们得到了概率分布图。若适当选取度量单位，如使每个直方条的宽度为1，则可以用面积大小表示概率大小，如P(9=X=15)=0.6，即途中三个直方条的面积总和。于是现在我们可以用函数描述与处理随机现象。 概率意义上的平均值，称数学期望 (有时我们不再区分两者，其意自明) 3.2伯努利分布 抛硬币正面X=1,P(X=1)=1/2 反面X=0,P(X=0)=1/2 10个产品中2个次品，取一件，得正品为1，次品为0。有P(X=1)=8/10，P(X=0)=1/5，一般设P(X=1)=p P(X=0)=q=1-p(0p1) 可以计算E(X)=1*p+0*q=p Var(X) =(1-p)2p+(1-p)2q=q2p+p2q=pq 二项分布(N重伯努利分布) 设产品中正品率位p,次品率为q=1-p,抽后放回，重复n此，以k表示n池中得到正品的次数，则有重要结果 E(X)=np Var(X)=npq 3.4正态分布 前例，某地区身高分布 同样可做两种理解： 大量数据整理后的频率直方图 任取一人，其身高的概率分布图 身高、体重、成绩、加工零件的尺寸等均服从这种分布，称“正态分布”。 总体两大，分组越细越近于曲线，为便于用数学手段进行分析，有其“理论模式” 应用例 P188,example 3.7 理解正态分布及其普遍性 机会均等的情况下出现的不均等现象 P198, P188,example 3.11 例6，9，12，15，18 Chapter 4 4.1抽样与抽样分布 总体与样本 总体：所论全体，大集合 样本：抽取部分，子集 目的：以样本去反映，“代表” 总体。 总体分布是最全面的信息，往往不知道；通过抽样，取得数据，如样本均值、方差得去看主题。 重要的是分析 的分布与总体分布之间或与总体参数 、 等的关系。 抽样分布就是抽样均值 所遵循的分布。如 抽样一次，但 理论上应付从某种与总体参数有关的分布 样本均值与样本方差 = = P237公式 4.2 抽样定理 总体为正态时成立，均值不变，密集度增加 一般总体，但n足够大时亦近似成立(可进一步理解正态分布的成因) 二项“类”，如