_数据描述性分析解读.ppt

若 是取自总体分布 的样本，设 ，称满足 的 为总体分布 的 分位数。考虑总体 分位数 为唯一的情况，在一定条件下，样本的 茎叶图、箱线图及五数总括 与直方图相比较，茎叶图更能细致地看出数据分布的结构。 例 1.11 某班有31个学生，某门课程的考试成绩如下： 25 45 50 54 55 61 64 68 72 75 75 78 79 81 83 84 84 84 85 86 86 86 87 89 89 89 90 91 91 92 100 做出其茎叶图。 茎叶图的特点 茎叶图与直方图一样，可以直观地看出数据的分布状况。从茎叶图分析，可大致直观地看出这批数据是否接近对称，分散性如何，是否有异常值，数据中是否有间隙等等。 利用茎叶图，很自然地可以对所有数据排序。从茎叶图可以看出由原始数据得到的次序统计量。 对于排过序的一批数据，从小到大的每个数据的排序名次，称为升秩；而从大到小的每个数据的排序名次，称为降秩。每个数据的升秩与降秩的较小者，称为该数据的深度，即 深度＝min（升秩，降秩） 例1.12 铅压铸件硬度数据如下： 53.0 70.2 84.3 55.3 78.5 63.5 71.4 53.4 82.5 67.3 69.5 73.0 55.7 85.8 95.4 51.1 74.4 54.1 77.8 52.4 69.1 53.5 64.3 82.7 55.7 70.5 87.5 50.7 72.3 59.5 做出数据的茎叶图。 箱线图 茎叶图是探索性数据分析所采用的重要方法。而箱线图也能直观简洁地展现数据分布的主要特征。 例1.15 某班有31个学生，某门课程的考试成绩如下： 25 45 50 54 55 61 64 68 72 75 75 78 79 81 83 84 84 84 85 86 86 86 87 89 89 89 90 91 91 92 100 做出以上数据的箱线图。 中位数、分位数、三均值与极差 均值、方差、标准差等数字特征是总体相应特征值的一种矩估计，更适合于来自正态分布的数据的分析。若总体的分布未知，或者数据严重偏态，有若干异常值（极端值），上述分析数据的方法不甚合适，而应计算中位数、分位数、三均值、极差等数据数字特征，计算上述特征需要用到次序统计量。 次序统计量 中位数与极差 中位数的计算公式是 中位数是描述数据中心位置的数字特征。大体上比中位数大或小的数据个数为整个数据个数的一半。 中位数与极差 对于对称分布的数据，均值与中位数较接近；对于偏态分布的数据，均值与中位数不同。 中位数的另一个显著特点是不受异常值（特大或特小）的影响，具有稳健性，因此它是数据分析中相当重要的统计量。 极差的计算公式是 它是描述数据分散性的数字特征。数据越分散，极差越大。 例1.5 考虑下列样本： 5 3 11 3 1 7 8 写出次序计量，并求中位数、极差。 分位数 对 和容量为 的样本 它的 分位数是 分位数又称为第100 百分数。大体上整个样本的 100 ％的观测值不超过 分位数.0.5分位数 （第50百分位数）就是中位数M.在实际应用中，0.75分位数与0.25分位数（第75百分位与第25百分位数）比较重要，它们分别称为上、下四分位数，并简记为 下列分位数也在实际应用中经常用到： ， ， ， ， ， 。 例1.6 考虑下列样本： 5 3 11 3 1 7 8 计算上面数据的 ， ，及 ， ， ， ， ， 。 以此类推，我们可以得到其他的结果： 均值 与中位数M皆是描述数据集中位置的数字特征。计算 时，用了样本 的全部信息，而M仅用了数据分布中的部分信息。因此，在正常情况下，用 比用M描述数据的集中位置为优。然而，当存在异常值时， 缺乏稳健性，而M具有很强的稳健性。考虑到要充分