概括数据方法.pdf

2 概括数据：图与表 （drafby WeJerry） 2.1  引例  2.2 单变量：数据的结构（分布）  毕业生就业意向（第 2 章引例表 2-1 ），可以用表2-2 来概括。 表 2.1 260 名毕业生就业意向调查数据 管理 会计 会计 金融 金融 会计 管理 营销 营销 其它 会计 管理 会计 营销 会计 会计 管理 会计 会计 其它 管理 会计 其它 营销 会计 会计 金融 会计 会计 管理 其它 管理 营销 营销 金融 营销 其它 会计 营销 管理 其它 会计 营销 金融 金融 营销 金融 会计 营销 其它 管理 会计 其它 管理 金融 会计 金融 营销 会计 会计 表2.2 260名毕业生就业意向频数分布表 就业意向 频数（人） 频率（%） 会计 76 29.2 金融 54 20.8 管理 33 12.7 营销 68 26.2 其它 29 11.2 合计 260 100 （严格讲，表2-1 不是统计表，表 2-2 是。因为统计表的作用是概括，不是记录，记录是 数据库干的事儿。不能长的像表就是表，比如学生名单，这其实应该是个数据库。） 我们当然可以用表格，也可以不用表格，比如用图来更直观地显示数据的结构（分布）。 见图 2-1 （条形图，bar ）和图2-2 （饼图，pie ）。 问题 1：条形图与饼图的区别是？ 条形图更容易做类与类之间的比较，而饼图则更能反映数据的整体结构。 问题2 ：以上条形图和饼图是针对分类变量而言的，连续变量怎么办？比如身高。 离散化。这涉及到怎么分组的问题（分多少组，组距多宽等，请私下自己研究，参 考 2.2 节）。 比如，160-170： 6 170-180 ： 10 …… （注意端点） 与条形图不同之处在于，这里组与组之间没有间隔（因为是连续变量），而且组距是 有意义的。这样的图我们叫直方图（histogram ）。见图2-7 。连接直方图顶端的中点，可 以得到分布折线图（图2-8 ）。进一步，如果让组距趋于零（连续化），并且纵轴设为频 率/组距1，那么就得到我们熟悉的密度函数（f ）（累积频率分布对应的就是概率分布函数 F ）。 频数分布的几种典型的形状（P52# ）。 【演示直方图】直方图受组数和组距的影响（主观性），而盒形图（boxplots）和茎 叶图（stem-and-leaf）则更为客观和细致。其中，茎叶图（图2-11 ）类似于画“正” 字。盒形图（图 2-10 ）需要计算最小/大值，上/下四分位数、和中位数等统计量，盒子里 包含了中间 50%的数据并且宽窄代表四分位差，因此，盒子越宽说明离散程度越大。盒子 的中线（中位