资料的测度与描述.PPT

統計學 郭信霖 許淑卿 第三章 資料的測度與描述 ■ 3-1 集中趨勢量數 ■ 3-2 離勢量數 ■ 3-3 形狀 ■ 3-4 平均數與標準差的應用 ■ 3-5 枝葉圖及箱形圖 ■ 3-6 電腦範例 ■ 3-7 流程圖 透過各種蒐集方法的資料經過整理後，還需進一步描述一群數量資料的特性，其方法大致有： 1. 集中趨勢量數（measured of central tendency）。 2. 離勢量數（measured of dispersion）。 3. 形狀（shape）。 3-1 集中趨勢量數 用來描述該組資料的中心位置所在或集中的程度，謂之集中趨勢量勢，又稱中心位置量數（measure of central location）。 一、平均數（mean） (一)算術平均數 A. 未分組資料： 1. 母體資料：母體平均數 ? 2. 樣本資料：樣本平均數 、 等。 (二)加權算術平均數： 母體加權算術平均數 ? w = = 樣本加權算術平均數 = B. 已分組資料： (1) 母體平均數：? = ，N = 。 (2) 樣本平均數： = ，n = 。 2. Me = B. 已分組資料 Me = Li + ? h 三、其他分位數： 四分位數（Quartiles，Qi，i = 1, 2, 3 ） 十分位數（Deciles，Di，i = 1, 2, ‥．, 9） 百分位數（Percentiles，Pi，i = 1, 2, ‥．, 99） 。 A. 未分組資料 B. 已分組資料 Me、Qj、Dj及Pj之關係 1. 表3-13 2. (1) Me = Q2 = D5 = P50 (2) Q1 = P25，Q3 = P75 (3) D1 = P10 ； D2 = P20  ‥． D9 = P90 四、眾數（mode）：通常以M0表示。 (三) 眾數的求法 A. 未分組資料 B. 已分組資料 普通求眾數的方法大致有： 1. 視察法 2. King’s插補法（W.I. King’s method） 3. Czuber’s比例法（Czuber’s proportional method） 4. Perason’s經驗法（K. Pearson’s method） 當次數分配為單峰對稱時，則 = Me = M0 當次數分配為單峰微偏時，則 - M0 ? 3( - Me)或M0 ?- 3( - Me) ※五、全距中點（midrange）與中樞紐（midhinge） (一) 全距中點（midrange） (二) 中樞紐（midhinge） 六、截尾平均數與溫塞平均數 1. 截尾平均數 2. 溫塞平均數 3-2 離勢量數 離勢（dispersion），又稱為離差（derivation）或差異量數。 一、意義 離勢是用來衡量資料的集中或分散程度，亦就是測量各個觀測值之間的差異變化情形。 如表3-15。 二、種類 離勢量數：(一) 絕對離勢量數（measure of absolute dispersion） 1. 全距（range，R） 2. 四分位差（quartile deviation，Q.D.） 3. 平均偏差（average deviation，A.D.） 4. 變異數與標準差（variance and standard deviation） A. 未分組資料 (3) 若甲、乙二組母體資料的變異數、平均數及大小如下表，則合併後之平均數、變異數為何？ 表3-16 (二) 相對離勢量數（measure of relative disperson） 相對離勢量數中最常用的變異係數（coefficient of variation，C.V.）是指標準差與平均數的比值， 3-3 形狀（Shape） 反映資料的分佈形狀： 偏態係數及峰度係數。 一、偏態係數（coefficient of skewness，SK） 所謂偏態（skewness）是指次數分配形態不對稱的偏斜的方向和程度。用以測度偏態的量數，稱之為偏態係數，通常以SK表示。 若SK = 0，表示資料呈對稱分配。 若SK 0，表示資料呈右偏或正偏（right or positively skewed）分配。 若SK 0，表示資料呈左偏或負偏（left or negatively skewed