第3章统计数据的描述度量.ppt

应用统计第1章 * 应用统计第1章 * * 应用统计第1章 * 应用统计第1章 * 应用统计第1章 * 应用统计第1章 * 应用统计第1章 * 应用统计第1章 * 应用统计第1章 * 应用统计第1章 * 应用统计第1章 * 应用统计第1章 * 应用统计第1章 * 应用统计第1章 * 应用统计第1章 * 应用统计第1章 * 应用统计第1章 * 应用统计第1章 * 应用统计第1章 * 应用统计第1章 * 应用统计第1章 * 应用统计第1章 * 应用统计第1章 * 应用统计第1章 * 应用统计第1章 * 应用统计第1章 * 应用统计第1章 * 应用统计第1章 * 应用统计第1章 * 应用统计第1章 * 应用统计第1章 * 应用统计第1章 * 应用统计第1章 * 应用统计第1章 * 应用统计第1章 * 应用统计第1章 * 应用统计第1章 * 应用统计第1章 * 应用统计第1章 * 应用统计第1章 * 应用统计第1章 * 应用统计第1章 * 应用统计第1章 * 应用统计第1章 * 应用统计第1章 * 应用统计第1章 * 应用统计第1章 * * Chebishev定理与经验法则 (1)Chebishev定理 对任何的一组数据, 观测值落于均值左右k个标准差的区间内的比例, 至少为 各种不同k值所对应的区间 k 区间 落在该区间内的比例 1 至少为0 2 至少为3/4 (75%) 3 至少为8/9 (89%) 4 至少为15/16 (94%) 例： 有一组关于顾客购物付账时等候时间的数据，已知等候时间的均值为4分钟，标准差为0.9分钟。 根据Chebishev定理， 当k=2时，至少有3/4或75%的观测值落在均值左右两个标准差的区间内，即[4±2×0.9] 区间内。即，等候时间介于2.2分钟至5.8分钟之间的顾客至少占75%。 (2)经验法则 当数据分布形状呈对称时, 有 (1 )约有68%的观测值落于 的区间内； (2 )约有95%的观测值落于 的区间内； (3 )约有97%的观测值落于 的区间内。 上例中顾客等候付账的时间是对称分配, 则有95%的顾客需等候2.2～5.8分钟。 * 5.变异系数 (Coefficient of Variance) 比较不同总体的离散程度时，若使用的度量单位不同，或它们在数量级上相差很大，则用绝对数值表示的方差和标准差缺乏可比性，此时就应使用相对变异指标(变异系数)。 例如，对汽车发动机的汽缸而言，0.05毫米的标准差就很大了，但对建筑工程而言则可完全忽略不记。 相对变异指标中最重要的是标准差系数(又称为变异系数或离散系数)，是标准差与均值之比，记为V? 。 * 6.Z值 Z值等于数据与均值的差再除以标准差。Z值有助于定义极端值。Z值越大，数据远离均值的距离越大。其计算公式如下： 通常，Z值小于–3.0或大于+3.0时，认为数据中含有极端值。 * 具有相同平均值和方差的数据，其分布形状就一样吗？ §3.3 度量偏斜程度与峰度的指标 数 值 1 2 3 4 5 6 7 8 9 第一组的次数 1 2 0 2 3 0 4 0 1 第二组的次数 1 0 4 0 3 2 0 2 1 假设有两组数据资料如下, 其均值都是5 , 标准差都是2.287。 * 一、偏度（Skewness） 总体分布的特征不仅与均值和变异指标有关，而且与分布的偏斜程度有关，如对称分布、右偏分布和左偏分布。这种分布形态上的数量特征，往往具有重要的社会经济意义。偏度系数是度量偏斜程度的指标，主要有如下计算方法： （1）Pearson偏度系数 该偏度系数记为Sk，计算公式为 Sk是无量纲的量，取值通常在-3~+3之间，其绝对值越大，表明偏斜程度越大。 * Sk1，因均值在众数左侧，是一种左偏分布，又因偏态系数为负，故又称负偏； Sk2，因均值在众数右侧，是一种右偏分布，又因偏态系数为正，故又称正偏； 数 值 1 2 3 4 5 6 7 8 9 第一组的次数 1 2 0 2 3 0 4 0 1 第二组的次数 1 0 4 0 3 2 0 2 1 该偏度系数是用三阶中心矩除以标准差的三次方来度量偏斜程度，记为?，计算公式为 m3称为三阶中心矩。 偏度系数?可以适用任何数据。?和SK的计算方法 不同，因此根据同一组数据计算的结果也不相同。 * （2）使用三阶