01数据与决策教程讲解.ppt

管 理 研 究 与 探 索--科 学 的 路 径-- 邓胜梁 博士 加拿大柏洛克大学终身教授 湖北大学特聘教授 火爆的人才招聘会 如何在吸引人才上形成优势？ 劳伦斯?D?阿克曼 数据分析与决策 旅游发展研究院 宋鸿 副教授 先画靶子再打枪 主要参考书 一、基本概念 现实中的随机性和规律性 从中学起，我们就知道自然科学的许多定律，例如物理中的牛顿三定律，物质不灭定律以及化学中的各种定律等等。 但是在许多领域，很难用如此确定的公式或论述来描述一些现象。比如，人的寿命是很难预先确定的。一个吸烟、喝酒、不锻炼、而且一口长荤的人可能比一个很少得病、生活习惯良好的人活得长。 因此，可以说，活得长短是有一定随机性的(randomness)。这种随机性可能和人的经历、基因、习惯等无数说不清的因素都有关系。 但是从总体来说，我国公民的平均年龄却是非常稳定的。而且女性的平均年龄也稳定地比男性高几年。这就是规律性。 一个人可能活过这个平均年龄，也可能活不到这个年龄，这是随机的。 但是总体来说，平均年龄的稳定性，却说明了随机之中有规律性。这种规律就是统计规律。 再如掷骰子。只要没有人在骰子上做手脚，你得到6点的概率应该是六分之一。得到其他点的概率也是一样。 得到6的概率或者机会是可以知道的，但掷骰子的结果还只可能是六个数目之一。 这个已知的规律就反映了规律性，而得到哪个结果则反映了随机性。 如果你掷1000次骰子，那么，大约有六分之一的可能会得到6；这也是随机性呈现有规律的一个体现。 基本概念 一节火车车厢有多少坐位是一个固定的数目，称为常数(constant)或者常量。 但是，开车后，坐在这节车厢的旅客有多少就没准了。这有随机性。该车厢的乘客数为变量(variable)。 一个学校的注册在校男女生比例是固定的，为常量 但是，该校任意一群学生的男女生比例就不一定和全校的比例一样了，它为变量(variable)。 当变量按照随机规律所取的值是数量时该变量称为定量变量或数量变量(quantitative variable)； 因为是随机的，也称为随机变量(random variable)。 如身高体重，购买某商品的人数等等 性别、观点之类的取非数量值的变量就称为定性变量或属性变量或分类变量(qualitative variable，或categorical variable)。 这些定性变量也可以由定量变量来描述，如男女生的数目，持有某观点的人数比例等等。 定性变量只有用数量来描述时，才有可能建立数学模型，并使用计算机来分析。 数据中它们通常用哑元（dummy variable)代表，比如性别用0、1代表，三种收入用0、1、2代表(或用字母代表） 有了变量，何谓数据？ 不同机构调查所得到的北京收入万元以上市民的比例都不一样，这是变量 而这些调查产生一些数目，这些数目就是数据(data) 数据是关于变量的观测值。 通过数据可验证有关的理论或假定。 比如通过抽样调查验证美国选民对共和党候选人的支持率是否超过50% 通过抽样，可以检验某批产品是否合格等等 数据组织类型 数据与信息又是什么关系呢？ 基本概念 现实世界紧密联系的 人们想知道投资方式和经济效益之间的关系、旅客人数和经济发展之间的关系等等 不讨论变量之间的关系，就无从谈起任何有深度的应用，统计的基本概念就仅仅是摆设而已。 定量变量间的关系 例1.1．广告投入和销售之间的关系。下表（数据ads.txt）显示了某企业的广告投入和销售额之间的关系（万元）。 能否从该数据回答下面问题： 这两个变量是否有关系？ 如果有，它们的关系是否显著？ 这些关系是什么关系，能否用数学模型来描述？ 这个关系是否带有普遍性？ 这个关系是不是因果关系？ 基本概念 在可控制的试验中，较容易找到因果关系；比如治疗方式和疗效的关系等 但是，一般来说，变量之间有关系这个事实并不意味着一定存在明确的因果关系。 比如，北京GDP在一年中是快速增长的，而一个刚出生的巴拿马婴儿在这一年中的体重也是快速增长的 如果画出图来，它们有类似线性的关系 但它们显然没有因果关系 只要有关系，即使不是因果关系也不妨碍人们利用这种关系来进行推断。 比如利用公鸡打鸣来预报太阳升起；虽然公鸡打鸣绝对不是日出的原因(虽然打鸣发生在先） 简单的办法（诸如画图）可以得到一些信息，但不一定能够给出满意的答案 需要更多的工具和手段来进行数值分析得到更加严格和精确的解答 定性变量间的关系 例1.2．下面是对123人进行关于某项政策调查所得结果的一个简单的三维表，它显示了人们的收入和性别对该项政策的观点。（table7.txt）。 从这个数据，希望可以看出收入、性别对观点是否有影响及如何影响 如果要得到更加精确