所有观察值与平均数之差距的总和为零.PPT

平均數 平均數 : 特性 open-ended frequency distribution 如：常態分配，其極大值或極小值可趨近於無窮大/小，但常態分配還是有中位數。 只要中位數不在開放組（如：組上限無窮大）中，就能找到中位數。 中位數 一組按大小順序排列的資料x1,x2…xn，其中位數為位於中間位置的數值，亦即： 當n為奇數時，第 位置的數值為其中位數 當n為偶數時，第 或 位置之二數值的平均為其中位數 那個參數/統計值最能表現中間位置？ 算數平均數？（受極端值影響，如前例的11、14，使得平均數偏大） 中位數？ 眾數？（出現最多次者，但不保證資料一定有眾數，如：每一觀察值都只出現一次）前例中，眾數乃由ordinal分組取得，而距離為ratio尺度，眾數不能代表ratio尺度的變數。 樣本變異數的自由度＝n-1 求樣本變異數，先求樣本平均數，再計算各樣本值與平均數之差的平方，再計算離均差平方的算術平均數。此時自由度因為計算樣本平均值而去掉1個，故而最後計算平方和的平均數，不能除以n，必須除以自由度。（因為失去的1個自由度的數值，會隨著平均數公式而變動，不能用來計算平方和的平均值） 自由度：樣本中能獨立/自由變化的個數 樣本變異數的自由度＝n-1 想像：從母體中抽出3個樣本，如果樣本的平均值固定為3，則只有2個樣本數值可以自由變化，一旦2個樣本數值已經被決定，第3個樣本的數值就被迫固定，不能改變。故而，真正的「變量」只有2個。 樣本的變異數必須用到樣本平均數 ?x 來計算。 ?x 在抽樣完成後便已確定，所以大小為n的樣本中只要n-1個數確定了，第n個數就能使樣本符合 ?x 的數值。也就是說，樣本中只有n-1個數可以自由變化，只要確定了這n-1個數，標準差也就確定了。這裡，平均數 ?x 就相當於一個限制條件，由於加了這個限制條件，樣本變異數的自由度為 n-1。 變異數—母體 變異數—樣本 變異數 Chebyshev定理 2/2 柴比雪夫定理 Chebyshev’s Theorem 不論資料為何種分配，至少有(1-1/k2)的資料落在距離平均數 ±k 個標準差的範圍內，k1。 i.e. Prob(|X-μ|≦kσ) ≧1-(1/k2) or Prob (μ-kσ ≦X ≦ μ+kσ) ≧1-(1/k2) 或 Prob(|X-μ| ≧ kσ) ≦ (1/k2) i.e. Prob (X≦μ-kσ or X ≧μ+kσ)≦(1/k2) 經驗法則 若為對稱鐘形分配，平均數左右1個標準差範圍內，約有68％的觀察資料，平均數左右2個標準差範圍內，約有95％的觀察資料，平均數左右3個標準差範圍內，約可涵蓋所有資料（99.7％的觀察資料）。 經驗法則 當資料分配呈鐘形形狀(bell-shaped)時，亦即為對稱分配，則 約有68%的觀測值落於 的區間內。 約有95%的觀測值落於 的區間內。 約有99.7%的觀測值落於 的區間內。 Chebyshev定理與經驗法則之比較 分組資料（若無法還原成原始資料時） 計算：各組資料的總和＝各組次數*組中點 假設：各組資料都是均勻分布，組中點＝該組的算數平均數。 故：分組資料的平均＝各組總和的加總/總次數 分組資料：用組中點求平均數 If then so 分組資料：求樣本變異數的2個公式 3-* Example – Range（全距） The number of cappuccinos sold at the Starbucks location in the Orange County Airport between 4 and 7 p.m. for a sample of 5 days last year were 20, 40, 50, 60, and 80. Determine the range for the number of cappuccinos sold. Range = Maximum value – Minimum value = 80 – 20 = 60 LO3-4 3-* Computing the Variance Steps in computing the variance: Step 1: Find the mean. Step 2: Find the difference between each observation and the mean, and s