统计学第2章统计数据的描述详解.ppt

六、切尾均值 trimmed Mean 去掉大小两端的若干数值后计算中间数据的均值，是综合了均值与中位数优点的一种较理想的统计量 在电视大奖赛、体育比赛及需要人们进行综合评价的比赛项目中已得到广泛应用 计算公式为 n 表示观察值的个数；α表示切尾系数， 切尾均值 例题分析 【例】谋次比赛共有11名评委，对某位歌手的给分分别是： 经整理得到顺序统计量值为 去掉一个最高分和一个最低分，取切尾系数α 1/11 七、众数、中位数和均值的关系 对称分布 均值 中位数 众数 右偏分布 众数 中位数 均值 左偏分布 均值 中位数 众数 偏态 众数、中位数、均值的特点和应用 众数 不受极端值影响 具有不惟一性 数据分布偏斜程度较大时应用 中位数 不受极端值影响 数据分布偏斜程度较大时应用 均值 易受极端值影响 数学性质优良 数据对称分布或接近对称分布时应用 众数最易计算，但可能不存在，应用较少 中位数直观，不受极端值影响，但不能充分利用数据信息 均值在整个统计方法中应用最为广泛 某百货公司6月份各天的销售额数据如下（单位：万元），计算该百货公司日销售额的均值、中位数和四分位数。 257 276 297 252 238 310 240 236 265 278 271 292 261 281 301 274 267 280 291 258 272 284 268 303 273 263 322 249 269 295 274.1（万元）；Me 272.5 ；QL 260.25；QU 291.25。 综合练习 2.3 分布离散程度的测度 一、极差 二、内距 三、方差和标准差 四、离散系数 一、极差 range 一组数据的最大值与最小值之差 离散程度的最简单测度值 易受极端值影响 未考虑数据的分布 7 8 9 10 7 8 9 10 R max xi - min xi 计算公式为 二、内距 Inter-Quartile Range,IQR 1.也称四分位差 2.上四分位数与下四分位数之差 内 距 Q3 – Q1 3.反映了中间50%数据的离散程度 4.不受极端值的影响 5.可用于衡量中位数的代表性 Q1 Q2 Q3 25% 25% 25% 25% Q4 内距的优缺点 其计算实质是，将总体各单位从小到大排序后，用居于中间50%的数据的全距来反映差异程度 优点：很好地克服了全距易受极端值影响、不能计算开口组全距这一缺陷；适合衡量中位数的代表性 缺点：依然不能反映所有数据的变动情况 数值型未分组数据的四分位差 算例 Q1 23 Q3 30 Q.D. 7 N+1 7+1 Q1位置 4 4 2 Q3位置 3 N+1 4 3 7+1 4 6 ? ? 原始数据: 23 21 30 32 28 25 26 排 序: 21 23 25 26 28 30 32 位 置: 1 2 3 4 5 6 7 四分位的位置 5-* 平均差 ——是各标志值对其算术平均数的离差绝对值的平均数。 三、平均差 计算平均差步骤： 第一步，求各标志值与算术平均数的离差； 第二步，求离差的绝对值； 第三步，将离差绝对值的总和 除以项数（n）或总次数 平均差数值越小，其平均数的代表性越大 好 。 平均差的计算举例 表3-3 某车间50名工人日加工零件标准差计算表 按零件数分组 组中值 Xi 频数 Fi | Xi- X | |Xi-X |Fi 105~110 110~115 115~120 120~125 125~130 130~135 135~140 107.5 112.5 117.5 122.5 127.5 132.5 137.5 3 5 8 14 10 6 4 15.7 10.7 5.7 0.7 4.3 9.3 14.3 47.1 53.5 45.6 9.8 43.0 55.8 57.2 合计 — 50 — 312 【例】根据下表的数据，计算工人日加工零件数的平均差 四、方差和标准差 Variance and Standard deviation 1. 方差和标准差是测度数据变异程度的最重要、最常用的指标。 2. 方差是各个数据与其算术平均数的离差平方和的平均数，方差的计量单位不便于从经济意义上进行解释，所以实际统计工作中多用方差的算术平方根——标准差来测度统计数据的差异程度。标准差又称均方差。 4 6 8 10 12 ?x 8.3 1.根据总体数据计算的，称为总体方差或标准差；根据样本数据计算的，称为样本方差或标准差 2. 方差和标准差的计算也分为简单平均法和加权平均法，另外，对于总体数据