数据分析课件1精要.ppt

;第一章 数据描述性分析;1. 数据的数字特征; 数据分析研究的对象是数据， 一元数据是 个观测值 要研究数据的数字特征，分析数据的集中位置、分散程度、 数据的分布是正态还是偏态。 对于多元数据，要分析数据各个分量的相关性等等 . ; 1.1.1 均值、方差等数字特征 1.均值 2.方差 标准差 变异系数 ; 1.1.1 中位数、分位数、三均值与极差 ; ;其他异常值的发现方法; 样本中的个别观察值，其数值明显地偏离子样中其余的观察值，这些个别观察值可能来自不同的总体，我们称之为异常值（或离群值）。;; 就前例，天文学家肖维勒于1863年处理的关于金星垂直半径的15个观察数据的残差数据: -1.40,-0.44,-0.30,-0.24,-0.22,-0.13, -0.05,0.06,0.10,0.18,0.20,0.39,0.48,0.63,1.01。 ;2. 数据的分布;数据处理 ;; 1.2.1 直方图、经验分布函数与QQ图 1. 直方图 数据取值范围分成若干区间，区间长度称为组距，每个区间上画一矩形，宽度是组距，高度是频率/组距，每一矩形的面积是数据落入区间的频率.SAS系统根据样本容量和样本取值范围自动确定合适的分组方式.PROC CAPABILITY过程可以做出直方图. 直方图可以对总体概率密度 进行估计，这就是拟合分布曲线. SAS系统用PROC CAPABILITY 过程做直方图与拟合参数分布密度曲线.;直方图;经验分布函数图;QQ图;数据处理 ;;;1.2.2 茎叶图、箱线图及五数总括;特点： 1）直观看出数据分布情况，绝大部分数据在70～95之间，在80～89之间形成一个高峰，数据没有30余分，数据有间隙. 2）自然显出数据排序.可看出原数据次序统计量. ;例1.12 铅压铸件硬度数据如下： 53.0 70.2 84.3 55.3 78.5 63.5 71.4 53.4 82.5 67.3 69.5 73.0 55.7 85.8 95.4 51.1 74.4 54.1 77.8 52.4 69.1 53.5 64.3 82.7 55.7 70.5 87.5 50.7 72.3 59.5 作出茎叶图. 解 利用PROC UNIVARIATE过程，可作茎叶图.为简化，将小数点后数据四舍五入，以十位数为茎，个位数为叶，并把每茎分裂成两行：一行的叶取0???1，2，3，4，另一行取5，6，7，8，9.计算结果数据从大到小排列.;2. 箱线图 画一个矩形，两个端边分别是 ，中间两道线，处于 位置.两端向外各画一道直线，分别到上截断点 ，下截断点 .异常值用“×”号表示.; 例1.15 作例1.11的箱线图. 解 下、上截断点：36.5，120.5.异常值25. ; 假设检验回顾;内容;单边检验和双边检验的p值??;; 例1.19（续例1.2） 对例1.2数据，作 （1） 正态性W检验； （2） 关于正态分布假设的 检验； （3） 关于正态分布假设的Kolmogorov-Smirnov检验 解 （1） 由PROC UNIVARIATE 过程，算得 W=0.9827 p=p{W≤0.9827}=0.6709 取 ，因p=0.5382 ＞ ，接受正态性假设. （2）由PROC UNIVARIATE 过程，算得 =4.0784 p=P{ ≥0.4784}=0.5382 取 ，因 p=0.5328＞ ，接受正态性假设. （3）由PROC UNIVARIATE 过程，算得 D=0.