- 1、本文档共74页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
5平均指标及变异度指标
* 五、标准差和方差 标准差:各单位标志值与其算术平均数离差平方的算术平均数的平方根。 计算公式: 方差:标准差的平方σ2。 * 例1:单项式资料 月工资x 员工数f xf ∣x- ∣f (x- ) 2f x2f 800 1000 1200 1500 2000 2500 5 10 20 7 5 3 4000 10000 24000 10500 10000 7500 2600 3200 2400 1260 3400 3540 1352000 1024000 288000 226800 2312000 4177200 32000002880000020000000合计 50 66000 16400 9380000* 例2:组距式资料 按工资分组 (元) 工人数 f(人) 组中值 x ∣x- ∣ ∣x- ∣f x2f 600-700 700 -800 800 -900 900 -1000 1000 -1100 10 15 35 12 8 650 750 850 950 1050 191.25 91.25 8.75 108.75 208.75 1912.5 1368.75 306.25 1305 1670 4225000 843750010830000 8820000 合计 80 - - 6562.5* σ2和σ的简易计算公式: * 六、总方差与组方差 对于分组资料,除了计算总体方差外,有时还需要计算组内方差和组间方差,研究各组内离散趋势和各组之间的离散趋势。 设总体单位数为n,第i组单位数fi,第i组各单位标志值 ,第i组平均数 ,总体平均数 ,则 总方差: 组间方差:反映各组平均数与总体平均数之间的离散程度。 * 组内方差:反映各组内部标志值之间的差异程度。 平均组内方差:各组内方差的平均数。 总方差等于组间方差与平均组内方差之和。 P108 例5-30 * 七、是非标志(交替标志)的平均数和标准差 是非标志:反映总体单位的某一种属性,标志的表现 只有两种情况,具体体现在各总体单位要 么具有该种属性,要么不具有该种属性。 例:性别 男 女 x 1 0 设总体中共有n个个体,其中取值为1的单位数为 n1个,取值为0的个体有n0个,有 * P是一种特殊的平均数 * 八、离散系数(变异系数) 变异度指标的数值大小,不仅受离散程度影响,而且还受平均水平影响,因此,在分析比较平均数不相等的同类现象间的离散程度差异时,不能简单根据上述变异度指标的大小来比较。 例:有两组工人的日产量 甲组:60、65、70、75、80 乙组:2、5、7、9、12 不能简单断言甲组的离散程度大于乙组,因为: * 离散系数:各种变异度指标与其算术平均数的比值,反映总体各单位标志值变异的相对程度,常用百分数表示,如平均差系数、标准差系数。 标准差系数 本例中, 因此,乙组的离散程度大于甲组。 * 当我们比较两组数据的离散程度时,如两组平均数相等,可以直接比较标准差;如两组平均数不等,则需比较两组的标准差系数。 P111 * THE END * Shape Concerned with extent to which values are symmetrically distributed. Kurtosis The extent to which a distribution is peaked (flatter or taller). For example, a distribution could be more peaked than a normal distribution (still may be 慴ell-shaped). If values are negative, then distribution is less peaked than a normal distribution. Skew The extent to which a distribution is symmetric or has a tail. Values are 0 if normal distribution. If the values are negative, then negative or left
文档评论(0)