第二章数据资料的特征值.ppt

第二章 数据资料的特征值 生物学数据资料（观测值）的分布具有两个重要的特征： 第一节 集中性特征值 1. 算术平均数 * 离散性特征值 集中性特征值 集中性 离散性 观测值向中心位置聚集的趋势 反映数据资料集中性的特征值是平均数 观测值偏离中心位置的分散情况 反映数据资料离散性的特征值是极差、方差、标准差和变异系数等 众数 算术平均数 几何平均数 调和平均数 中位数 平均数（mean）是统计学中最常用的统计量，用来表明数据中各观测值相对集中较多的中心位置，反映了一组观察值的平均水平，是一组数据资料的代表值 ◇ 可以用来说明一组数据资料的平均水平或集中趋势，具有典型性 ◇ 可以用来进行组间比较，以判断一组数据资料与另一组数据资料的差别，具有代表性 平均数的作用： 算术平均数（arithmetic mean）：数据资料中各观测值的总和除以观测值的个数所得的商，简称平均数或均数。记为 1.1 基本概念 ■ 算术平均数适合描述对称分布资料的集中趋势 1.2 计算公式 观测值为 ：x1，x2，…，xn，则： 对于总体来说，则有： 设有一随机变量x， 1.3 重要性质 样本各观测值与平均数之差的和为0，即离均差之和为0 证 明 样本各观测值与平均数之差的平方和为最小，即离均差平方和最小 证 明 则有： 1.4 加权平均数 对于样本容量≥30且已分组的资料，可以在次数分布表的基础上采用加权法计算平均数 xi — 第i组的组中值 fi — 第i组的次数 k — 组数 采用加权法计算得到的平均数就称为加权平均数（weighted mean） 加权平均数不具备算术平均数的两个性质 几何平均数（geometric mean）: n个观测值相乘之积的n次方根 ■ 适用于利率、畜禽数的增长率、药物的效价、抗体的滴度等非线性数据 例1 为研究人群中流感的抗体水平，测得12名儿童的血清对流感病毒的血凝抑制抗体效价的倒数为：5，5，5，5，5，5，5，10，10，10，20，40，试计算平均血凝抑制抗体效价。 解： 答：平均血凝抑制抗体效价约为1∶8 平均血凝抑制抗体效价约为1∶10 2. 几何平均数 3. 调和平均数 调和平均数（harmonic mean）：资料中各观测值倒数的算术平均数的倒数 ■ 调和平均数主要适用于速度类的资料，或有个别极端大观测值的数据资料 4. 中位数 中位数（median）：将资料中所有观测值按从小到大依次排列，位于中间位置的那个观测值，简称为中数 5. 众数 众数（mode）：在数据资料中出现次数最多的一个观测值或次数最多一组的组中值 有的资料可出现多个众数，有的资料则没有众数 当观测值的个数是偶数时，以中间两个观测值的平均数作为中位数 ■ 数据资料呈偏态分布或分布情况不清楚时，中位数的代表性优于算术平均数 第二节 离散性特征值 平均数主要是用来说明数据的集中趋势和集中程度的，是一组数据的代表值 平均数的代表性如何，还要看数据的变异情况： 数据越是集中， 则平均数的代表性就越强 仅用平均数对一个数据资料的特征进行统计描述是不完善的，还必须要有另外一个统计量来衡量数据变异程度的大小、说明平均数的代表性 数据越是分散（离散），则平均数的代表性就越弱 用来衡量数据变异程度的统计量有很多，常用的有：极差、方差、标准差和变异系数 1. 极差 极差（range）：数据资料中最大观测值与最小观测值之间的差 ■ 极差主要用来说明传染病和食物中毒的最短、最长潜伏期 （1）没有充分利用数据中全部观测值的信息 优点：极差是衡量数据资料变异程度大小的最简便的统计量 缺点： （2）不能准确反映数据中各观测值的分布状况 （3）样本之间难以进行比较 （4）极差的抽样误差较大，不稳定 2. 方差 极差：仅用全部观测值中较为特殊的两个点值，比较粗糙 充分利用数据资料中的每一个观测值，将每一观测值都和某一个特定的值相比， 可以求出每一个观测值与平均数的差值，即离均差 有多少个观测值就可以得到多少个离均差，还是不能说明整个数据资料的变异程度 将各个离均差相加是最简单的方法， ■ 可以用离均差平方和来衡量数据的变异程度 仅仅进行简单地相加，还是不能反映数据资料中所有观测值的总偏离程度 最理想的特定值就是平均数 根据平均数的第二个性质可知，离均差平方和最小，也就是说将离均差平方后相加之和是最稳定的一个值，而且这个值不等于0 离均差平方和简称为平方和（sum of squares），用SS表示 样本平方和： 总体平方和： 用平方和衡量数据的变异程度： 离均差平方和消除了离均差正、负值的影响 离均差平方和的大小除了与变异程度有关外，