基本统计量.pptxVIP

张青2011-01-04基本统计量变量类型品质数据：可以分类用来记录某一现象发生的次数测度数据：连续的、可变的理论上任何值都可以产生变量类型(续)按照度量的等级水平分类：名义级：度量的最低等级，数据不表示序次关系顺序级：用于排序，但不表示实际大小间距级：测量值之间的差异有意义，但不存在真正的零值点比率级：数值间差异有意义，且存在零值点。数据举例名义级：合格与不合格,男与女,开与关顺序级：态度1-5个等级:1=非常不满意;2=不满意;3=不确定;4=满意;5=非常满意间距级：华氏温度,摄氏温度(30,32)与(28,40)比率级：重量,时间中心极限定理概念：是概率论中讨论随机变量序列部分和的分布渐近于正态分布的一类定理。这组定理是数理统计学和误差分析的理论基础，指出了大量随机变量近似服从正态分布的条件。常用中心极限定理林德伯格－列维定理　林德伯格－列维（Lindburg-Levy）定理，即独立同分布随机变量序列的中心极限定理。它表明，独立同分布、且数学期望和方差有限的随机变量序列的标准化和以标准正态分布为极限： 　设随机变量X1，X2，......Xn，......相互独立，服从同一分布，且具有数学期望和方差：E（Xk）=μ，D（Xk）=σ^20(k=1,2....),则随机变量之和的标准化变量的分布函数Fn（x）对于任意x满足limFn（x）=Φ（）　其中Φ(x)是标准正态分布的分布函数。 棣莫佛－拉普拉斯定理　棣莫佛－拉普拉斯（de Movire - Laplace）定理，即服从二项分布的随机变量序列的中心极限定理。它指出，参数为n, p的二项分布以np为均值、np(1-p)为方差的正态分布为极限。基本统计量算术平均值中位数众数四分位数极差方差标准差算术平均值概念：用各个数据的和除以数据个数意义：体现样本数据的集中趋势缺点：易受极端值的影响，导致均值偏离数据实际情况中位数概念：将样本数据排列，分为相等两部分，取中间值或中间两数据的均值优点：不受极端值的干扰，更稳定的表示样本数据的集中趋势众数概念：样本数据集中出现频率最高的样本值优点：不受极端值的影响缺点：多变性，只能用于描述样本数据四分位数概念：把数据分为四等份Q1：25%的数据小于Q1，75%的数据大于Q1Q2：50%的数据大于Q2，50%的数据大于Q2Q3：75%的数据小于Q3，25%的数据大于Q3缺点：当样本数据量很大时，需借助工具计算极差概念：描述变异，等于最大值-最小值缺点：未考虑变量值围绕均值的分布方差与标准差概念：样本每个值与均值的差值的平方和，将和值除以变量个数减一，得样本方差，对样本方差取平方根得样本标准差极差、方差、标准差的特点数据分布越分散，极差、方差、标准差的值越大数据分布越集中，极差、方差、标准差的值越小极差、方差、标准差的值都会大于等于零