应用2统计量的计算及箱线图.ppt

语言研究中的统计学 LOGO 语言研究中的统计学 语言研究中的统计学 （Ⅱ） 2009 年 3 月 山西大学数学科学学院 * 语言研究中的统计学 基本统计量 语言研究中的统计学 * 山西大学数学科学学院 （一）平均数（样本均值） 语言研究中的统计学 * 山西大学数学科学学院 1、算术平均 根据频数分布表? 根据分组频数分布表? 2、加权平均 加权平均数例子 语言研究中的统计学 * 山西大学数学科学学院 例1 有3个班，人数分别为20、30和40，在某次考试中的平均成绩分别为85，75，80，那么这三个班的加权总平均成绩为： 例2 综合测评成绩的计算： 注意：权大小的确定要有一定的依据。 特别地：如果所有权的和为1，则称为标准权。 （二）中位数 语言研究中的统计学 * 山西大学数学科学学院 顺序样本中间位置的数， 即样本容量（总次数）N的50%位置的数。 1、对未分组数据求中位数 2、根据分组频数分布表求中位数 或 L —中位数所在组下限 U —中位数所在组上限 fL —L以下各组总次数 fU —U以上各组总次数 F —中数所在组次数 i —中数所在组组距 （三）众数 语言研究中的统计学 * 山西大学数学科学学院 一组数据中出现次数最多的数值 注意： 1、如组中各数都相同，则没有众数； 2、也可能出现两个以上的众数； 3、称含有两个众数的次数分布为双众数分布。 求法： 从顺序样本中找，样本容量大的，先做频数统计表。 平均数、中位数和众数的关系 * 皮尔逊经验公式（P40） 众数=3*中位数-2*平均数 山西大学数学科学学院 语言研究中的统计学 平均数、中位数和众数的比较 语言研究中的统计学 * 山西大学数学科学学院 1、灵敏度 平均数的计算涉及到每个样本值，所以对数值的变化比较敏感。 2、稳定性 对同一总体而言，均值比较稳定，受抽样影响较小。 3、信息量 平均数既反映了数值的顺序关系，又体现了所有样本的值，同时又稳定，所以它所提供的信息量最大。 4、运算 平均数适合代数运算，且比较简单。 平均数、中位数和众数的比较 语言研究中的统计学 * 山西大学数学科学学院 6、极端值 样本中过大或过小的数值称为极值 平均值不能体现极端值的信息，从而不能很好地反映分布的信息，有时中数和众数更好一点。 7、数据分布 对于对称分布，三数非常接近，特别是正态分布时三数相等； 对偏态分布，三数差异较大，一般地： 正偏或右偏时，众数中位数平均数 负偏或左偏时，平均数中位数众数 平均数、中位数和众数的比较 语言研究中的统计学 * 山西大学数学科学学院 三数各有优缺点，平均数用得比较多。 正态分布，三数相同 正偏或右偏 众数中位数平均数 负偏或左偏 平均数中位数众数 语言研究中的统计学 * 山西大学数学科学学院 （四）极差 极差又称两极差，是样本值中最大值和最小值之间的差。 Xmax Q1 Q2 Q3 Xmin 两极差 25% 25% 语言研究中的统计学 * 山西大学数学科学学院 （五）四分差 定义： 分组数据四分点的求法： 语言研究中的统计学 * 山西大学数学科学学院 （六）（绝对）平均差(AD) 定义： 分组数据平均差的求法： 注意到： 所以我们需要取绝对值。 其中称右式为离均差： 语言研究中的统计学 * 山西大学数学科学学院 （七）方差与标准差 未分组数据： 变形一 变形二 由次数分布表来求更简单一些。略 语言研究中的统计学 * 山西大学数学科学学院 （七）方差与标准差（续） 由分组次数分布表： 式中： f为组频数； d为各组数据的假定平均离均差， 其中Xc为各组组中值，A为估计平均值。 N为总次数，i为组距。 A的确定：取总次数一半的累积次数所对应的那一组的组中值，因为它更接近真正的平均值。 语言研究中的统计学 * 山西大学数学科学学院 离中趋势量的比较 极差可以在一定程度上反映数据的差异情况，为数据分组提供依据； 四分差比两级差稳定可靠，常与中位数结合使用； 平均差优于两级差和四分差，用数值离开平均值的平均距离来反映数据的离散程度，但不适合微分运算； 方差和标准差是最理想的差异量：概念易于理解，适合代数运算和微分运算，能反映所有数据的差异情况，不易受抽样的影响。 一个分数在一组分数中的位置是参照该组分数的典型分数来确定的，也就是说，一个分数可以描述为在典型分之上还是之下或者是等于典型分，以及它离开典型分有多远。这个典型分数用平均分表示，离开典型分的距离用标准差表示，这样我们就可以是“某个分数离开平均分多少个标准差单位”，同时用正负号表示该分数处于平均分之上还是之下。 这实际上就是把原始分数转换为标准差单位数，或以标准差为单位来表示一个分数与平均数的差，此过程称为标准化过程 语言