第二章集中趋势的统计描述要点.doc

第二章 集中趋势的统计描述 1．均数（mean，average）：是算术均数（arithmetic mean）的简称。常用表示样本均数，表示总体均数。均数用于反映一组同质观察值的平均水平，适用于正态或近似正态分布的数值变量资料。其计算方法有： （1）直接法：用于样本含量较少时，其公式为： 式中，希腊字母Σ(读作sigma)表示求和；X1，X2，…，Xn为各观察值；n为样本含量，即观察值的个数。 （2）加权法（weighting method）：用于频数表资料或样本中相同观察值较多时，其公式为：（2.2） 式中，X1，X2，…，Xk与f1，f2，…，fk分别为频数表资料中各组段的组中值和相应组段的频数(或相同观察值与其对应的频数)。 2．几何均数（geometric mean）用G表示，适用于①对数正态分布，即数据经过对数变换后呈正态分布的资料；②等比级数资料，即观察值之间呈倍数或近似倍数变化的资料。如医学实践中的抗体滴度、平均效价等。其计算方法有 （1）直接法： 或 （2）加权法：注意：计算几何均数时观察值中不能有0，因0不能取对数；一组观察值中不能同时有正或负值。 3．中位数（median）用表示。中位数是一组由小到大按顺序排列的观察值中位次居中的数值。中位数可用于描述①非正态分布资料（对数正态分布除外）；②频数分布的一端或两端无确切数据的资料③总体分布不清楚的资料。在全部观察中，小于和大于中位数的观察值个数相等。 (1) 直接法：将观察值由小到大排列，按式（2.6）或式（2.7）计算。 为奇数 , (1.5)为偶数,(1.6) 式中下标、、为有序数列的位次。、、为相应位次的观察值。 （2）频数表法：用于频数表资料。计算步骤是：①计算的大小，并按所分组段由小到大计算累计频数和累计频率，如表2.1第(3)、（4）栏；②确定所在组段。累计频数中大于的最小数值所在的组段即为所在的组段；或累计频率中大于50%的最小频率所在的组段即为所在的组段。③按式（2.7）求中位数。式中：L、i、分别为所在组段的下限、组距和频数；为小于L的各组段的累计频数。 4．百分位数（percentile）用Px表示。一个百分位数Px将一组观察值分为两部分，理论上有X%的观察值比它小，有（100-X）%的观察值比它大，是一种位置指标。中位数是一个特定的百分位数，即M=P50。百分位数的计算步骤与中位数类似，首先要确定Px所在的组段。先计算，累计频数中大于的最小值所在的组段就是Px所在组段。计算见公式（2.8）。 式中：L、i、fx分别为Px所在组段的下限、组距和频数；为小于L的各组段的累计频数。 百分位数用于描述一组数据某一百分位位置的水平，多个百分位数的结合应用时，可描述一组观察值的分布特征；百分位数可用于确定非正态分布资料的医学参考值范围。应用百分位数，样本含量要足够大，否则不宜取靠近两端的百分位数。 　1．极差　最大值与最小值之差称极差（或全距），符号为R，是变异指标中最简单的一种。如上例甲计数的极差为520－480=40，乙的为560-440=120。可见乙的计数较甲的波动大。一般把最小值与最大值写在括号里，附在极差的后面。如上例写成40（480～520）与120（440～560）。其单位与变量值的相同。 　　当调查例数增多时，遇到较大或较小极端值的机会就加大，因此最大值与极差随着例数的增多而加大，但最小值却随着例数的增多而变小。 　　极差计算简便，但只考虑了最小、最大值，因此易受个别极端值的影响，且随例数的多少而变动，不稳定。仅用于粗略地说明变量值的变动范围。但在正态分布中可用以估计标准值范围，详见有关文献。 　　2．四分位数间距　极差的不稳定主要是受两极端数值的影响，于是有人将两端数据按比例去掉一定例数，这样所得数据就比较稳定了。例如两端各去掉25%，取中间50%数据的数值范围，那么只要计算P25与P75，求P75与P25之差即得四分位数间距，符号为Q。 Q=P75-P25 （4.12）3．均差　四分位数间距虽比极差稳定，但仍只是两点之间的距离，没有利用每个变量值的信息。于是有人计算每个变量值与均数（或中位数）差的绝对值之和，然后平均称为均差（或平均直线差）作为变异指标之一。 　　　　　?(4.13) 　　例4.8 试计算4.3中，心重的均差。　　由例4.3知X=293.75g，代入式（4.13）得 　　4．方差　式式（4.13）中用变量值与均数之差的绝对值之和∑∣X-X∣，而不用离均差之和∑(X-X)是因为∑（X-X）=0，不能说明变异情况，故取绝对值以去掉负号。亦有人用平方的办法，即用离均差平方和∑（X-x ）2，既去掉了负号，又提高了指标的灵敏性。因为数值愈大，平方后增大的愈多，所以离均差稍有变化，就能从指标上反映出来。 正态分布及其性质