第1章节 概率统计简介.pptVIP

第1章 概率统计简介 胡良剑 东华大学理学院 Ljhu@ 第2学院楼543 内容提要 什么是统计学 一个例子: 学生体检数据分析 统计学的昨天、今天和明天 什么是统计学 Statistics is the study of the collection, organization, analysis, interpretation and presentation of data. When analyzing data, it is possible to use one of two statistics methodologies: descriptive statistics or inferential statistics. ----维基百科() 统计学的主要内容 描述统计学(Descriptive statistics, 第2章) 概率论(Probability , 第3-6章) 推断统计学(Inferential statistics , 第7-8章) 一个例子 为了研究东华大学毕业生身体情况, 体育部随机抽查了90名男同学身高、体重数据, 记录在Excel文件体检数据.xls-raw中. 考虑下列问题: 这90名男同学的身高、体重具有怎样的特征？ 是否可以据此估计：东华大学毕业男生平均身高、体重？需要作怎样的假设？ 概念 总体(Population)：当年东华大学毕业男生(约1800名)； 样本(Sample)：90名学生； 变量(Variable): 学号、学院、身高、体重等; 观察值(数据)(Data)：变量的值 统计推断(Inference)：根据样本(Sample)推断总体(Population) 。 数据类型 数值型(Numerical): 身高Height(cm), 体重Weight(kg); 名称型(Named): 序数型(Ordinal): 学号Code, 名义型(Nominal): 学院College. 第1步：数据清理 去除、修补坏数据(Outlier)和缺失数据(Missing Data)(行数据: 删5行， 修改3行) ； 去除与问题无关的变量(列数据), 可保留部分标识列(删College，保留Code作标识)； 得到体检数据.xls-trim 第2步：数据描述 这90名男同学的身高、体重具有怎样的特征？ 图形描述 数字特征描述 Histograms 直方图 首次使用安装: Excel2003-工具-加载宏-分析工具库 Excel2010-文件-选项-加载项-分析工具库 统计工具使用: Excel2003--工具-数据分析-直方图 Excel2010-数据-数据分析-直方图 直方图(Histograms) 正态分布Normal Distribution 中间多, 两头小; 对称 中心特征 Median中位数: 上、下观察值占50% Mean均值: 算术平均 Mode众数: 具有最大频率的观察值 Variability 差异性(离散性)特征 Range 极差=最大值-最小值 Quartile 四分位: Q0~Q4比该数小的观察值占0%, 25%, 50%, 75%, 100% Interquartile range 四分位差=Q3-Q1 Standard deviation 标准差: 距离均值的平均误差 Skewness 偏度: 偏度小于0时, 表明medianmean Percentile 百分位数: 指定比例的分位点 用Excel计算 方法1： Excel2003-工具-数据分析-描述统计 Excel2010-数据-数据分析-描述统计 方法2： Excel2003-插入-函数-统计-(选所需函数) Excel2010-公式-插入函数-统计-(选所需函数) Excel描述统计 第3步：统计推断 是否可以据此估计：东华大学毕业男生平均身高、体重？需要作怎样的假设？ 前提假设（1）样本量90个对于总体（ 约1800个东华大学毕业男生）来说足够大；（2） 90个样本是从总体中随机抽取的，使得每个个体被抽到的可能性是一样的。 统计推断由样本推断总体：平均身高173cm,平均体重60kg。 前提假设非常重要 随机电话调查(习题2)：1936年的总统竞选中罗斯福以压倒性的优势击败了兰登，而《文学文摘却预测兰登获胜，该杂志的预测就基于一个机动车主的电话簿的样本进行的。 你是如何看待《文学文摘》的预测错误？ 从1936年至少的时代变迁中，有没有什么因素让您认为当时《文学文摘》所用的方法在今天来讲预测情况会好一些？ 统计学的历史 起源：统计学的英语词statistics是源于意大利语statista（国民或政治家），代表对国家的数据进行分析的学问，也就是“研究国家的科学”。 先驱者：