实验数据统计.docVIP

项目七 概率论、数据统计与区间估计 实验2 数据统计 实验目的 掌握利用Mathematica求来自某个总体的一个样本的样本均值、中位数、样 本方差、偏度、峰度、样本分位数和其它数字特征, 并能由样本作出直方图. 基本命令 1.求样本数字特征的命令 (1) 求样本list均值的命令Mean[list]; (2) 求样本list的中位数的命令Median[list]; (3) 求样本list的最小值的命令Min[list]; (4) 求样本list的最大值的命令Max[list]; (5) 求样本list方差的命令Variance [list]; (6) 求样本list的标准差的命令StandardDeviation[list]; (7) 求样本list的分位数的命令Quantile[list,]; (8) 求样本list的阶中心矩的命令CentralMoment[list,n]. 2.求分组后各组内含有的数据个数的命令BinCounts 基本格式为 BinCounts[数据,{最小值,最大值,增量}] 例如,输入 BinCounts[{1,1,2,3,4,4,5,15,6,7,8,8,8,9,10,13},{0,15,3}] 则输出 {4,4,5,1,2} 它表示落入区间的数据个数分别是4, 4, 5, 1, 2. 注: 每个区间是左开右闭的. 3.作条形图的命令BarChart 基本格式为 BarChart[数据,选项1,选项2,…] 其中数据是{{},{},…}或{}的形式.而为条形的高度, 为条形的中心.在数据为{}的形式时默认条形的中心是{}.常用选项 有BarSpacing数值1,BarGroupSpacing数值2. 例如, 输入 BarChart[{{4,1.5},{4,4.5},{5,7.5},{1.10,5},{2,13.5}},BarGroupSpacing-0.1] 则输出如图2.1的条形图. 图2.1 实验举例 样本的数据统计 例2.1 (教材 例2.1) 在某工厂生产的某种型号的圆轴中任取20个, 测得其直径数据如下: 15.28 15.63 15.13 15.46 15.40 15.56 15.35 15.56 15.38 15.21 15.48 15.58 15.57 15.36 15.48 15.46 15.52 15.29 15.42 15.69 求上述数据的样本均值,中位数,四分位数;样本方差,极差,变异系数,二阶、三阶和四阶中心矩;求偏度,峰度,并把数据中心化和标准化. 输入 Statistics` data1={15.28,15.63,15.13,15.46,15.40,15.56,15.35,15.56, 15.38,15.21,15.48,15.58,15.57,15.36,15.48,15.46, 15.52,15.29,15.42,15.69}; (*数据集记为datal*) Mean[data1] (*求样本均值*) Median[data1] (*求样本中位数*) Quartiles[data1] (*求样本的0.25分位数, 中位数, 0.75分位数*) Quantile[data1,0.05] (*求样本的0.05分位数*) Quantile[data1,0.95] (*求样本的0.95分位数*) 则输出 15.4405 15.46 {15.355,15.46,15.56} 15.13 15.63 即样本均值为15.4405,样本中位数为15.46,样本的0.25分位数为15.355,样本的0.75分位数15.56, 样本的0.05分位数是15.13, 样本的0.95分位数是15.63. 输入 Variance[data1] (*求样本方差*) StandardDeviation[data1] (*求样本标准差*) VarianceMLE[data1] (*求样本方差*) StandardDeviationMLE[data1] (*求样本标准差*) SampleRange[data1] (*求样本极差*) 则输出 0.020605 0.143544 0.0195748 0.13991 0.56 即样本方差为0.020605, 样本标准差为0.143544, 样本方差为0.0195748 样本标准差为0.13991, 极差为0.56. 注: Variance给出的是无偏估计时的方差, 计算公式为, 而VarianceMLE给出的是总体方差的极大似然估计, 计算公式为,它比前者稍微小些. 输入 CoefficientOfVariation[data1] (*求变异系数.变异系数的定