《《chart3》.pptVIP

如何学习SAS统计分析的功能 会找: 针对问题和数据选用合适的分析工具. 参数是总体的特征量。 统计量是由样本观测值计算而得到的。 统计量可用于估计总体的参数。 (1) 用编程实现各种任务; (2) 用SAS提供的菜单系统实现各种任务: 用SAS/INSIGHT : 发命令insight 用分析员应用( ANALYST) 发命令analyst 如果要用简单的数字来概括一组观测数据x1，...，xn，可以使用“位置统计量”来作为数据的总体代表，常见的位置统计量有：均值、中位数、分位数、众数等。 1、均值（Mean） 均值是所有观测值的平均值，是描述数据取值中心位置的一个度量： 2、中位数（Median或Med） 中位数是描述观测值数据中心位置的统计量. 中位数的一个优点是它不受个别极端数据的影响，具有稳健性。中位数的计算方法是：首先将数据从小到大排序为：x(1)，...，x(n)，然后计算 1、极差与半极差 极差就是数据中的最大值和最小值之间的差： 极差 = max{xi} – min{xi} 上、下四分位数之差Q3 – Q1称为四分位极差或半极差，它描述了中间半数观测值的散布情况。 2. 方差（Variance或Var） 方差是由各观测值到均值距离的平方和除以观测量 减1： 偏度 0为右偏分布：右侧数据更加分散 偏度 0为左偏分布：左侧数据更加分散 1. 峰度系数=0为正态峰度分布 2. 峰度系数0为低峰分布：尾部较正态分布更分散 3. 峰度系数0为高峰分布：尾部较正态分布更集中 其它统计量 1. 均值的标准误（Std Error Mean或Std Mean或Std error） 2. 校正平方和（Corrected sum of squares） 3. 未校正平方和（Uncorrected sum of squares） 4. k阶原点矩 其中A1即为均值 。 5. k阶中心矩 编程实现描述性统计 1、实例 【例3-1】表3-1为两个不同地区居民家庭收入和支出情况的抽样调查（单位：元），试分别统计收入和支出情况。 首先： 将表2-1中数据通过Excel导入到SAS数据集Mylib.sryzc中，4个变量名分别为：ID、R_ID、Income和Outgo，相应的标签名为家庭编号、地区编号、家庭总收入和家庭总支出。 2. MEANS过程 (1) 语法格式 例：对数据集Mylib.sryzc中的Income变量计算简单统计 量，只要用如下MEANS过程： (2) 使用统计量关键字列表 在PROC MEANS语句中使用统计量关键字列表： proc means data = mylib.sryzc n mean median p1 p5 p95 p99 q1 q3 max min; var Income; run; (3) 使用CLASS语句和BY语句 使用BY语句之前先排序，如下代码可以在上例中按变量R_Id分组统计： proc sort data = mylib.sryzc; by R_Id; run; proc means data = mylib.sryzc n mean median p1 p5 p95 p99 q1 q3 max min; var Income; by R_Id; run; 使用CLASS语句分组较为简单，如下代码也可以在上例中按变量R_Id分组统计： proc means data = mylib.sryzc n mean median p1 p5 p95 p99 q1 q3 max min; var Income; class R_Id; RUN; UNIVARIATE过程和MEANS过程的格式非常相似，相同的语句和选项其含义也相同，所不同的是某些统计量只能在UNIVARIATE过程中计算（如众数），而且UNIVARIATE过程还具有绘图功能。 proc univariate data = mylib.sryzc; var Income; run; 3.2 统计图形 3.2.1