第七章 分布特征测度.pptVIP

第4章 分布特征测度 第一节 分布中心 第二节 离散程度 第三节 偏度与峰度 第四节 相关程度 4.1 分布中心（集中趋势的测度） 分布中心测度的意义 分布中心测度指标 均值、中位数和众数的关系 一、分布中心测度的意义 随机变量的分布中心是随机变量一切取值的一个代表，可以用来反映其数值的一般水平。 随机变量的分布中心可以揭示随机变量一切取值的次数分布在直角坐标系内的集中位置，可以用来反映随机变量分布密度曲线的中心位置，即对称中心或尖峰位置。 二、集中趋势的侧度指标 常用的集中趋势的测度指标： 算术平均数 调和平均数 几何平均数 中位数 众数 1 算术平均数(均值，Arithmetic Mean) 总体均值：常用 表示。 简单平均数(未分组数据)： 加权平均数(分组数据) ：设Xi为各组组中值，各组权数为Fi ，则 样本均值 简单算术平均数: 对分组资料： 　（常常简记为　 　　　） 影响平均数大小的因素 简单算术平均数的大小只与变量值的大小有关。 加权算术平均数受各组组中值（变量值）大小，以及各组变量值出现的频数（权数）的影响。 权数也可以看作各组次数比重大小： 算术平均数(例子) 某企业的工会随机调查了20名工人2005年6月加班的小时数，结果如下： 该组数据算术平均数等于（13+18+ … +12）/20=11.6（小时）。 加权算术平均数(例子) 在前面的例子中，假设我们只得到了分组后的资料： 该组数据算术平均数等于245/20=12.25（小时）。 关于计算结果的说明 根据原始数据和分组资料计算的结果一般不会完全相等，根据分组数据只能得到近似结果。 只有各组数据在组内呈对称或均匀分布时，根据分组资料的计算结果才会与原始数据的计算结果一致。 算术平均数的性质 1、 所有的定量数据都有算术平均数。 2、计算算术平均数时使用了所有数据。 3、一组数只有一个均值。 4、各变量值与均值的离差之和等于零。 2 调和平均数 (Harmonic mean) 也称倒数平均数，等于变量值倒数的算术平均数的倒数。 以 加权的公式： 例 某种水果的价格为：早上3.0元/公斤，中午2.0元/公斤，晚上1.6元/公斤。某人早中晚各买1元和各买1斤，该种水果的平均价格相同吗？ 调和平均数：例子 3 几何平均数（ geometric mean ） 等于n 个变量值乘积的 n 次方根。 常用于计算平均的比率、增长率等。 几何平均数（例子） 某化肥生产企业2000年-2003年的水泥产量的年增长率为9%，12%，15%，18%，求4年的年平均增长率。 4 中位数(Median) 一组数据按大小顺序排列后，处在数列中点位置的数值，典型的位置平均数。 特点： 对一组数据是唯一的。 不受极端值的影响。 对开口组可以计算(若中位数不在开口组) 。 主要用于顺序数据，也可用数值型数据，但不能用于分类数据。 中位数计算：原始数据 n为奇数时等于第(n+1)/2个数。 n为偶数时等于第n/2和n/2+1个数的平均值 中位数的计算：分组资料* 对分组资料的一种计算方法是： 中位数的计算：例子* 根据考试成绩的数据计算考试成绩的中位数。 5 众数(Mode) 一组数据中出现次数最多的变量值，也是一种位置平均数。 主要特点： 不受极端值的影响。 对有开口组的数据可以计算。 有的数据无众数或有多个众数。 对未分组定量资料很少使用。 众数的不惟一性 众数的计算：分组资料* 计算等距分组数据的众数有两种方法： 1、 L：众数所在组的下限 Δ1：众数组与前一组频数的差 Δ2：众数组与后一组频数的差 d：众数组的组距 2、也可以用众数所在组的组中值估计分组数据的众数。 众数的计算：分组资料* ，例子 1、众数所在的组：80-90。 2、或者：众数等于众数所在组的组中值85。 三、众数、中位数和算术平均数的关系 小结：众数、中位数、平均数的特点 算术平均数 ： 易受极端值影响(使用了全部数据) 数学性质优良. 主要用于数值型数据 数据对称分布或接近对称分布时应用 中位数: 位置平均数 不受极端值影响 数据分布偏斜程度较大时应用;主要用于顺序数据 众数：位置平均数 不受极端值影响 不具有惟一性 数据分布偏斜程度较大时应用;主要用于分类数据 数据类型与集中趋势测度值 4.2 离中趋势（测度） 离中趋势 反映各变量值远离其中心值的程度（离散程度），从另一个侧面说明了集中趋势测度值的代表程度。 不同类型的数据有不同的离散程度测度指标。