本章介绍测量资料分散程度的统计量最常用的是标准差一组.pptVIP

STAT0_var 4.1 全距(range) 本章介紹測量資料分散程度的統計量，最常用的是標準差 一組資料的全距 = 該組資料內最大值 - 最小值 內四分位距 = Q3－Q1。 半內四分位距 = (Q3－Q1)／2 4.2 標準差與變異數 資料：X1, X2, …, X3 deviation from mean: 整體的離差，以絕對值之平均，或以平方和之平均代表。 數學上平方和較易運算 樣本變異數(sample variance)：平方和 / (n-1) 以 n-1 代替 n，是為了估計的精度 sample standard deviation，S 計算： 平均數； 每筆數據與平均數的離差； 這些離差的平方； 離差平方的總和； 除以 n－1； 開根號。 平均數 = 9.5 Computation formula for s 標準差的特性 標準差是用來測量資料分散度的測值 標準差代表資料變化、風險 標準差的單位與資料單位相同 將資料同時加減一常數，標準差不變 將資料同時乘上一常數，標準差也同時乘上此常數 4.3 標準差的應用 謝比雪夫(Chebyshev)定理： 對任何資料，以及任何一個大於1的常數 k，該組資料落於平均數加減 k 個標準差之的比例，至少是 1- 1/k2 。 母體時，μ, σ為 mean, std. dev. P(|x-μ|kσ) 1/k2， or, P(|x-μ|kσ) 1- 1/k2 k=3。 1-1/32 =8/9，或 88.9% ，比例是 88.9%。 1-1/k2 = 0.9375，k = 4。 範圍是介於3.34與3.66之間。 鐘型分配 大約有68% 的資料，落於平均數加減一個標準差之間的範圍， 大約有95% 的資料，落於平均數加減兩個標準差之間的範圍， 大約99.7% 的資料，落於平均數加減三個標準差之間的範圍， 平均數加減三個標準差之間的範圍是35.54與121.64。 原始資料中，有兩個數據小於35.54，沒有比121.64大的數據。因此，我們有108筆數據落在這個範圍之內 ， 98.2% 的資料落於平均數加減三個標準差之間的範圍內。 標準單位 z-score 變異係數 coefficient of variation 4.5 更進一步的描述 分配的形式有： 標準形式：左右對稱的鐘型分配 尾巴在左側：skew-to-left 左偏分配 (負偏斜分配) 尾巴在右側：skew-to-right 右偏分配 (正偏斜分配) Coefficient of skewness Coefficient of kurtosis 峰態係數 例： 分析老忠實噴泉的噴發間隔時間的分配型態 反J型 以及 U型 分配 * * 一定為 0 証明： Chebyshev 定理較嚴密，用於任一分配，一般鐘型資料可用上述的結果，稱為「經驗法則」(empirical rule) 標準單位告訴我們某筆數據在整組資料中，位於平均數以上或以下，多少個標準差以外的距離。 x = μ+zσ 多數資料 |z| 3 |z|1，資料位於中間部位 拉克先生的體重比平均值多了30磅， 克拉克女士的體重比平均數多了20磅。 換算成標準單位： 克拉克先生是1.67，克拉克女士則是1.82 各自的年齡層而言，克拉克女士比克拉克先生要更超重一些。 這是一相對變異的測度值，常用於比較 測量彈簧的變異程度比較小，顯示其準確度較高。 *4.4 分組資料的標準差 (1) S = 10 x 1.435 = 14.35 (2) 可不可以用一個數來分辨？ sk≒0，資料近對稱分配 sk0，資料呈現右偏分配 sk0，資料呈現右偏分配 由圖中可以明顯的看到，這組資料是右偏分配； 中位數靠向長方形的左側， 而右邊的「長鬚」也比左邊的長了一些。 Q1 = me= Q3= 如果和鐘型分配比較，又有長尾(long-tail) 分配 (有極值的分配)，和短尾分配(short-tail)，可以峰態係數來分辨 Kur≒0，資料近鐘型分配 kur0，資料呈現長尾分配 kur0，資料呈現短尾分配 直方圖： 基本統計量： 由偏態及峰態係數估計間隔時間的分配是接近對稱，長尾型的分配，其直方圖也確實呈現此現象。 1.338 kurtosis -0.423 skewness 14.603 Std. dev 80.000 median 78.218 mean