数据分布特征的测度—使用Excel方法..docVIP

某中学初二（一）班数据分布特征的测度 使用excel方法 集中趋势 众数（mode）—一组数据中出现次数最多的变量值。 分类数据众数 制作：用frequency函数求出语文成绩的频数—求出各个分数段的比例—各个分数段的百分比。 数值数据众数 原始数据：原始数据—众数.xls 中位数（median）—排序后处于中间位置上的值。 制作：对语文成绩进行降序排列—根据计算公式求得中位数/插入median函数求得中位数。 数值型数据中位数 要求得这60名学生语文成绩的中位数有2种方法： 方法一： 1、首先对学生的语文成绩进行降序排列。 2、由于学生人数为偶数，所以位置计算公式= 位置= = = 30.5 语文成绩中位数= = 68 方法二：插入median函数—求得语文成绩中位数。 原始数据—中位数：原始数据—中位数.xls 四分位数(quartile)—排序后处于25%和75%位置上的值。 要求得这60名学生语文成绩的中位数有2种方法： 方法一： 1、首先对学生的语文成绩进行升序排列。 2、由于学生人数为偶数，所以位置计算公式为： QL位置= = = 15.25 QU位置= = = 45.75 QL= 61+0.75×（62-61）=61.75 QU= 78+0.25×（78-78）=78 方法二：使用函数QUARTILE求出语文成绩的四分位数。 原始数据—四分位数：原始数据—四分位数.xls 平均数（mean） 加权平均数—初二（一）班语文总评成绩 总评成绩= 原始数据—平均数： 原始数据—平均数.xls 离散程度 1、异众比率(variation ratio)—除了众数以外的数。 制作：使用frequency函数求出各个分数段的频数，根据频数得到异众比率。 原始数据—异众比率：原始数据-异众比率.xlsrange)—一组数据的最大值与最小值之差。 计算公式为： R = max(xi) - min(xi) 以数学考试成绩为例：R=98-33=65 原始数据—极差： 3、平均差(mean deviation)—各变量值与其均值离差绝对值的平均数。 以数学考试成绩为例： 计算公式= ==67.77 平均差(Md )==11.5 解：由于平均差越小，平均值越有代表性，这里数学成绩的平均差为11.5，因此均值为67.77是很具有代表性的。 原始数据：原始数据—平均差.xls 方差和标准差(variance and standard deviation) 方差: 反映了各变量值与均值的平均差异。 标准差:方差的平方根，是一组数据平均值分散程度的一种度量方差： 标准差： 原始数据： 原始数据—方差和标准差.xls 离散系数(coefficient of variation)—标准差与其相应的均值之比。  原始数据：原始数据—离散系数.xls  8 数据特征的测度 集中趋势 离散程度 分布的形状 众数 中位数 四分位数 平均数 异众比率 极差 方差 离散系数 偏态 峰态 解：这里的变量为“成绩分数段”，这是个分类变量，不同的分数段就是变量值。 所调查的初二一班60人中，60-69这个分数段的人数最多，为23人，占全班人数的38.33%，因此众数为“60-69这一分数段”。 即：M=60-69这一分数段 解：这里的语文、数学和英语成绩就是变量，不同学生的分数就是变量值。通过函数mode求得语文、数学和英语三个科目的众数。 解： Vr = = 1- = 0.62 = 62% 在调查的初二（一）班中，除了60—69这个分数段以外，取得其他分数段的成绩的学生占62%，异众比率较大。因此用“60—69”这个分数段来代表整个班的语文考试状况，其代表性不是很好 解：通过公式求得方差为214.71. 求得数学成绩的均值。 求得数学成绩单个变量值与均值的差。（使用abc函数） 求得数学成绩单个变量值与均值的差的平方。（使用power函数） 最后求得方差。 总结：我们通常用样本的波动大小去估计总体的波动大小的方法，方差越小则波动越小，稳定性也越好．方差越大说明数据波动越大，越不稳定。即方差越大离散程度越大。 由此可知数学成绩波动性较大，不稳定。数学成绩的离散程度较大。 N 解：一个较大的标准差，代表大部分数值和其平均值之间差异较大；一个较小的标准差，代表这些数值较接近平均值。标准差越高,表示实验数据越离散,也就是说越不精确 解： 结果表明：V语文 ＜ V数学 因此得到，语文成绩的离散程度小于数学成绩的离程度。