简明统计学3介绍.pptVIP

3.5 相对位置的数字度量： 标准得分 标准得分/z值和标准化 经验法则（empirical rule）： 对于正态分布， 大约68%的值分布在均值加减1s的范围中； 大约95%的值分布在均值加减2s的范围中； 大约99.7%的值分布在均值加减3s的范围中。 对于正态分布，大约68%的值会有一个-1~1之间的z值； 大约95%的值会有一个-2~2之间的z值； 大约99.7%的值会有一个-3~3之间的z值。 3.6 异常值（outlier） 不寻常的大或小的观测值。 可能是由于实验中的某种错误产生，也可能代表了稀有（偶然）事件。 对于正态分布，正负3S之外的观测值可粗略称为异常值。 对于盒型图，超过内限的值被认为是潜在的异常值，对于正态分布的数据，我们期望只有少于1%的观测值值落在内限之外。 作业 课后练习 统计学-3Statistics 上章复习-内容概要 频数分布描述 频数分布表 直方图 茎叶图 频数折线图 累积频数折线图 Lorenz curve 概括和展示数据的方法 　 饼图 条形图/柱形图 线图 面积图 盒型图 散点图 对数图 其它 上章复习-作业 课后练习 3.1 引言 统计表、统计图、数字 定性变量主要用于计数，常用比例、百分比、频数等描述 定量变量一般用汇总统计量/概括统计量（summary statistic）来描述 3.2 集中趋势的数字度量 总体均值（population mean） 样本均值（sample mean）α修整均值 3.2 集中趋势的数字度量-均值 (mean) 算术平均数： 加权平均数： 例：某人射击十次，其中二次射中10环，一次射中9环，三次射中8环，四次射中7环，那么他平均射中的环数为： 8.1（环） 3.2 集中趋势的数字度量-均值 (mean) 例：学校随机抽取了100名学生，测量了他们的身高x（单位：cm），结果如表中所示： 身高范围（cm） 组中值 人数 130≤x140 135 4 140≤x150 145 11 150≤x160 155 31 160≤x170 165 46 170≤x180 175 8 则这100名学生的平均身高为： ? 当一组数据中存在一个或多个过大或过小的值时，可以用中位数来代表集中趋势, 中位数具有稳健性（robust）。 将数据从小到大排序，当数据个数为奇数时，中位数为（n+1）/2，当数据个数为偶数时，中位数为中间两个数的平均值。如：80，81、85，0 定性数据也可以计算中位数。（定序水平的数据） 3.2 集中趋势的数字度量-中位数（median) 众数是数据中重复出现次数最多的数 ：如对某一品牌的态度，或一班人体育课后的心率。 众数可以代表大多数，但并非所有数据集合都有众数，其次有些情况下可能存在多个众数。因此，众数比均值和中位数应用得相对较少。 3.2 集中趋势的数字度量-众数（mode) 3.2 集中趋势的数字度量-相对位置 3.3 离散程度（变异性）的数字度量 例：A班和B班英语测试平均分均为74分，要在一个班里随机选取一位搭档去参加英语竞赛，应该在哪个班选？ 描述离散程度的统计量称为尺度统计量（scale statistics）/散度统计量，包括： 极差、四分位数间距、平均差、方差、标准差、标准误、变异系数。 3.3 离散程度（变异性）的数字度量 3.3.1 极差(range)和四分位数间距/极（IQR） 仅考虑两个极端值，比较粗糙。两个数据集可以拥有相同的极差，但数据内部的变化上却可以非常不同。 3.3.2 平均差（MD）、方差（Variance）和标准差（standard deviation） =0 标准差最小值为0 3.3.3.1 切比雪夫定理（Chebyshev’s theorem） 无论何种分布， 至少3/4（75%）的值分布在均值加减2s的范围中； 至少8/9（88.9%）的值分布在均值加减3s的范围中； 至少24/25（96%）的值分布在均值加减5s的范围中。 至少1-1/k2的值分布在均值加减ks的范围中，k是任一大于1的数。 3.3.3.2 经验法则（empirical rule） 对于钟形分布， 大约68%的值分布在均值加减1s的范围中； 大约95%的值分布在均值加减2s的范围中； 大约99.7%的值分布在均值加减3s的范围中。 对于钟形分布，全部观测值基本都在均值加减3s的范围中，即R=6s，如果知道极差R，则可算出s=R/6. 例：钟形，s=10←→R=60。 3.3.4