工程数学-新编统计学教程（同济）Chapter2.pptVIP

第二章 数据的描述 §2.2 简单随机抽样 * * LOGO 统计是寻找现实世界中隐含在数据背后的统计规律性的学科。 通过使用图形、分析数据，我们可以去探寻数据背后隐含的意义。 本章介绍如何利用各种各样的图形和简单的数据运算，来概括数据的某些特征。 注：由于数据来自于总体，所以这些特征一般而言也反映了总体的特征。对数据的描述也是对总体的一个近似的描述。 有放回抽样 从某个总体中抽取容量为n的样本（即n个个体），每抽取一个个体作测试或观察后放回总体中，然后再随机抽取下一个个体，直到完成要求的n次测试或观察为止。 从某个总体中抽取容量为n的样本（即n个个体），每抽取一个个体作测试或观察后不再放回总体中，然后再随机抽取下一个个体，直到完成要求的n次测试或观察为止。 无放回抽样 注： 简单随机抽样相当于有放回的抽样。在实际问题中，很多抽样都涉及到对有限总体进行无放回的抽样。如果样本大小n远小于总体所含个体的个数N（一般认为，当n0.1N时，可以当作n远小于N），则我们将无放回抽样当作有放回抽样来处理，可以近似地认为所得到的样本为简单随机样本。 §2.3 数据的简单整理 统计图形 (b) (c) 一些数字特征的基本性质 (a) 统计量 面对大量杂乱无章的数据，如何从中找出有用的信息是我们所面临的一个重要课题。统计学提供了整理和分析数据的有用方法。我们通过数字概括和统计图形可以大致地了解数据的特性。 统计量 §2.3 数据的简单整理 -----任何样本的函数，只要不包含未知参数。 引进统计量之后，可以将一大堆数据加工成若干个较简单又往往是较本质的量，以便用来推测总体分布中未知的值。 例 2.2 设 是取自正态总体 的一个样本，其中 未知， 已知。则 等都是统计量，而 不是统计量，因为里面含有未知参数 统计图形 §2.3 数据的简单整理 对于实际问题，比较直观的方法就是将数据用图来表示。大堆的数据往往让人眼花缭乱，不容易抓到本质的东西。借助于一些图形可以帮助我们更好地了解数据背后隐藏的事实，图形往往能够让我们一下子抓到较为本质的东西。 直方图 茎叶图 频数密度分布图 直方图 §2.3 数据的简单整理 例2.3 某大型建筑和出租公司在本地区有一种统一的公寓出租，为指导潜在消费者的消费行为，他们收集了每月的房屋租赁租金收取的120个样本，试作出其相应的直方图。 表2.1 某公司房屋租金收取的120个样本 §2.3 数据的简单整理 1829 2091 1188 1790 1222 1736 640 1978 1648 1752 2187 1540 1739 1640 1607 1649 1637 1634 1539 949 1714 1972 1221 1567 1631 1542 1373 2162 1419 1249 1612 1551 l591 1662 896 1557 1431 1618 1783 1470 913 1550 1425 1142 1590 1325 1237 1699 1603 1428 1091 1981 982 1592 1138 1451 1823 1459 1340 1352 1668 1501 1788 l263 l962 1593 1442 1400 1020 1119 1677 2051 1455 1449 1457 718 1407 1329 1421 1440 803 695 l289 1032 1545 1394 1288 1426 1309 1826 1760 1510 1533 1118 l558 82l 1379 1041 1399 1471 1671 1500 896 1219 1532 1744 1403 l949 1418 1332 1849 1537 1319 1077 1472 1305 1277 1581 1207 1170 频数密度分布 §2.3 数据的简单整理 为了更清楚地表现数据的分布与总体的分布的联系，引入频数密度pk，即第k个区间的频数nk除以总样本数n与区间长度 ，得频数密度 然后，在每个区间内，画出高度为pk 的条形。 注： 频数密度分布图具有一个重要的性质，就是这些条状图的面积之和为1 茎叶图 §2.3 数据的简单整理 使用茎叶图可以大致看出隐含在观测数据中的关于研究对象的信息， 如分布是否对称，重心是否偏中，中心点的位置等。 简单、直观，不需要数学运算 优点 缺点 对于观测数据有一定的要求，不如直方图、频数密度分布图等