第4章 数据分布特征的度量(统计学PPT).ppt

第一章 绪论 第4章 统计数据分布特征的度量 第4章 统计数据分布特征的度量 一、集中趋势的度量 二、离散趋势的度量 三、偏态和峰态的度量 四、Excel在数据分布特征度量中的应用 出现次数最多的变量值，用mo表示 不受极端值的影响 主要用于分类数据，也可用于顺序数据和数值型数据 一组数据可能没有众数或有几个众数 众数只有在数据较多时才有意义，当数据量较少时，不宜使用众数。 无众数原始数据: 10 5 9 12 6 8 排序后处于中间位置上的值 【例】：10个家庭的人均月收入数据 排 序: 660 750 780 850 960 1080 1250 1500 1630 2000 位 置: 1 2 3 4 5 6 7 8 9 10 排序后处于25%和75%位置上的值 【例】：9个家庭的人均月收入数据 原始数据:1500 750 780 1080 850 960 2000 1250 1630 排 序:750 780 850 960 1080 1250 1500 1630 2000 位 置: 1 2 3 4 5 6 7 8 9 集中趋势的最常用测度值 一组数据的均衡点所在,反映这组数据的一般水平 将各个数据之间的数量差异抽象掉,体现数据的必然性特征 易受极端值的影响 用于数值型数据，不能用于分类数据和顺序数据 已改至此！！ 均值的另一种表现形式，是变量值倒数的算术均值的倒数。 易受极端值的影响 计算公式为 n 个变量值乘积的 n 次方根 适用于对比率数据的平均,而且各比率的乘积要等于总比率 主要用于计算平均增长率、平均收益率等 计算公式为 1. 对分类数据离散程度的测度 2. 非众数组的频数占总频数的比率 3. 计算公式为 对顺序数据离散程度的测度 也称为内距或四分间距 上四分位数与下四分位数之差 qd=qu – ql 反映了中间50%数据的离散程度 不受极端值的影响 用于衡量中位数的代表性 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 各变量值与其均值离差绝对值的平均数 能全面反映一组数据的离散程度 数学性质较差，实际中应用较少 方差和标准差(variance and standard deviation) 数值型数据离散程度的最常用测度值 反映了各变量值与均值的平均差异 方差是各变量值与其算术均值离差平方的算术均值，方差的平方根称为标准差 平方的方法消除各变量值与算术平均值离差的正负值问题，可方便地用于数学处理和统计分析运算，是真正度量离散趋势的标准 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 样本方差和标准差 (simple variance and standard deviation) 简单样本标准差： 一组数据中可以自由取值的数据的个数 当样本数据的个数为 n 时，若样本均值?x 确定后，只有n-1个数据可以自由取值，其中必有一个数据则不能自由取值 例如：样本有3个数值，即x1=2，x2=4，x3=9，则x = 5。当x = 5 确定后，x1，x2和x3有两个数据可以自由取值，另一个则不能自由取值，比如x1=6，x2=7，那么x3则必然取2，而不能取其他值 在抽样估计中，当用样本方差s2去估计总体方差σ2时， s2是σ2的无偏估计量 样本标准差 (例题分析) 相对位置的测度—标准化值 1. 也称标准分数 2. 对某一个值在一组数据中相对位置的度量 3. 可用于判断一组数据是否有离群点 4. 用于对变量的标准化处理 5. 计算公式为 均值等于0 2. 方差等于1 z分数只是将原始数据进行了线性变换，它并没有改变一个数据在该组数据中的位置，也没有改变该组数据分布的形状，而只是将该组数据变为均值为0、标准差为1的标准化值。 当一组数据对称分布时： 约有68%的数据在平均数加减1个标准差的范围之内 约有95%的数据在平均数加减2个标准差的范围之内 约有99%的数据在平均数加减3个标准差的范围之内 1. 标准差与其相应的均值之比 对数据相对离散程度的测度 消除了数据水平高低和计量单位的影响 4. 用于对不同组别数据离散程度的比较 5. 计算公式为 统计学家Pearson于1895年首次提出 数据分布偏斜程度的测度 3. 偏态系数的数值一般在0与±3之间，数值越接近0，分布的偏斜度越小，其绝对值越大，表示偏斜的程度就越大。 4