孙善伟-统计方法与数据分析.pptVIP

Unit 3 Unit 3 * 孙善伟 2011-10-8 统计方法与数据分析 Statistical Methods and Data Analysis * 什么是统计？ 1.统计是用来处理数据的：数据数字 2.统计运用的工具：1）计算；2）图表 统计是一门从数据中学习的科学，即从数据中找出信息，并且得出结论。 * 为什么要学习统计？ 1.社会科学、行为学、生物学、物理学、人类学… 美国研究生的必修课。 2.商业：运用抽样数据预测未来的销售额和利润； 工程、制造业：质量监督； other:主管会计对账目的稽查ect. 统计在科学、商业、工业等几乎所有领域中都扮演着重要的角色。 几个问题？ * 本课程的内容--- 统计 1.描述性统计 2.推论性统计 3.图形应用 * 描述性统计 Descriptive Statistic 用于整理、描述所收集数据的特征. 人的特征？数据特征？ 描述性统计 ①中心趋势度量 ②变异性度量 * 集中趋势量数--- 1.均值（Mean)： 调整平均值（截尾平均值） 加权平均值 2.中位数（Median)：一系列数据的中点。 下四分位数（Q1)、上四分位数(Q3); 3.众数（Mode)：出现次数最多的数值。 最笼统、最不精确的集中趋势量数。 中国CPI构成和各部分比重，2011年最新调整为: 　　1 食品 31.79% 　　2 烟酒及用品 3.49% 　　3 居住 17.22% 　　4 交通通讯 9.95% 　　5 医疗保健个人用品 9.64% 　　6 衣着 8.52% 　　7 家庭设备及维修服务 5.64% 8 娱乐教育文化用品及服务13.75% ※思考：均值有何缺陷？ * 集中趋势量数的性质--- 均值---- 1.均值是测量值的算术平均值； 2.一个数据集合仅有一个均值； 3.均值受极值的影响；截尾有助于减少这种影响 4.仅适用于定量数据。 中位数---- 1.中位数是数据的中点，50%的数据比它大，50%的数据比它小； 2.一个数据集合仅有一个中位数； 3.不受极端测量值的影响； 4.仅适用于定量数据。 * 集中趋势量数的性质--- 众数---- 1.众数是数据集中出现次数最多的数据； 2.一个数据集合中可能存在不止一个众数,也可能不存在众数； 3.适用于定量数据和定性数据。 例1.下列数据集的众数是--- A) 4、5、5、6、8、8、9 B) 格力、美的、格力、格力、 C) 1、2、4、5、7 * 数据的变异性--- 数据集一：7、6、3、3、1 数据集二：3、4、4、5、4 数据集三：4、4、4、4、4 只用集中趋势量描述数据集充分吗？ 变异性：也叫散布或离散度；是对不同数值之间的差异性的测量。 变异性的计算？特定值？ 变异性：数据中每一个数值与均值的差异性的度量。 * 变异量数--- 极差（range)：R=max - min； 标准差(standard deviation)：一个数组中变异性的平均数量。 ∑ (Xi–X )2 n – 1 S= 标准差的计算公式： ※思考--- 1)为什么是取的平方根？ 2)为什么除以n-1而不是除以n? 四分位数极差：IQR=Q3-Q1； * 变异量数--- 标准差的性质： 1）标准差是作为偏离平均值的平均距离计算的； 2）标准差越大，数值分布越广，数值之间的相互差异越大； 3）和均值一样，标准差对极值很敏感； ※思考： 如果S=0，是否代表数据组中的数据就绝对没有变异性？ * 变异量数--- 方差（Variance)：标准差的平方。 ∑ (Xi–X )2 n – 1 S2 = 方差的计算公式： ※思考： 方差一般不用作描述性统计，是不是说方差不重要？ * 推论性统计--- 描述性统计是用于描述样本的特征，而推论统计是基于样本特征推断总体的某些特征。 推论性统计 ①估计:点估计、区间估计; ②检验：t检验、方差分析… * 点估计与区间估计--- 区间估计：通过从总体中抽取的样本，根据一定的正确度与精确度的要求，构造出适当的区间，以作为总体的分布参数的真值所在范围的估计. 点估计：又称为定值估计,就是用实际样本指标的数值作为总体的估计值。 点估计 1.样本均值作为母体均值的估计 2.样本方差作为母体方差的估计 3.样本相关系数作为母体相关系数的估计 原理:区间估计(interva