1.1 数据的数字特征.pptVIP

* 中位数、分位数、三均值与极差 均值、方差、标准差等数字特征是总体相应特征值的一种矩估计，更适合于来自正态分布的数据的分析。若总体的分布未知，或者数据严重偏态，有若干异常值（极端值），上述分析数据的方法不甚合适，而应计算中位数、分位数、三均值、极差等数据数字特征，计算上述特征需要用到次序统计量。 * 次序统计量 设 是 个观测值，它可以理解为来自某 些总体的样本，将它们按数值由小到大记为： 这就是次序统计量。显然，最小次序量 与最大次 序量 分别为： * 中位数与极差 中位数的计算公式是 中位数是描述数据中心位置的数字特征。大体上比中位数大或小的数据个数为整个数据个数的一半。 * 对于对称分布的数据，均值与中位数较接近；对于偏态分布的数据，均值与中位数不同。 中位数的另一个显著特点是不受异常值（特大或特小）的影响，具有稳健性，因此它是数据分析中相当重要的统计量。 极差的计算公式是 它是描述数据分散性的数字特征。数据越分散，极差越大。 中位数与极差 * 例4 考虑下列样本： 5 3 11 3 1 7 8 写出次序计量，并求中位数、极差。 * 分位数 对 和容量为 的样本 ，它的 分位数是： 其中， 表示 的整数部分。 当 时，定义 * p分位数又称为第100p百分数,大体上整个样本的100 p％的观测值不超过p 分位数.0.5分位数 (第50百分位数)就是中位数M.在实际应用中，0.75分位数与0.25分位数（第75百分位与第25百分位数）比较重要，它们分别称为上、下四分位数，并简记为 下列分位数也在实际应用中经常用到： ， ， ， ， ， 。 分位数 * 例5 考虑下列样本： 5 3 11 3 1 7 8 计算上面数据的 ， ，及 ， ， ， ， ， 。 * 以此类推，我们可以得到其他的结果： * 三均值与极差 若 是取自总体分布 的样本，设 ，满足 则 称为分布 的 分位，或称总体 分位数。 本的 分位数 的相合估计。因此，当 充分大时， 有 分位数 为唯一的情况，在一定条件下，样 考虑总体 * 三均值与极差 上、下四分位数之差称为四分位极差(或半极差): 它也是样本分散性的重要数字特征，特别对于具有异常 值的数据，它作为分散性的度量具有稳健性，因此它在 稳健性数据分析中具有重要作用。 * 三均值与极差 当样本 是来自正态分布总体 时，其总体上、下四分位数为： 故总体四分位数极差为: 即 * 三均值与极差 当样本存在异常值时，标准差 缺乏稳健性。根 据上面的讨论，可以得到总体标准差 的一个具有稳 健性的估计： 它称为四分位标准差。对于任意观测值 可以作为数据分散性的稳健度量。 * 均值 与中位数M皆是描述数据集中位置的数字特征。计算 时，用了样本 的全部信息，而M仅用了数据分布中的部分信息。因此，在正常情况下，用 比用M描述数据的集中位置为优。然而，当存在异常值时， 缺乏稳健性，而M具有很强的稳健性。考虑到要充分利用样本信息，又要具有较强的稳健性，可以用三均值M1作为数据集中位置的数字特征.三均值的计算公式是： 即 是 的加权均值，权重分别是 * 在探索性数据分析中，有一种判断数据为异常值 的简便方法。称 为数据的下、上截断点。大于上截断点的数值为特大 值，小于上截断点的数值为特小值。两者皆为异常值. 当总体分布为正态分布 时，理论下、上 截断点分别为 * 数据落在上、下截断点之外的概率为0.00698，即对于 容量 较大的样本，其异常值的比率约为0.00698。 由模拟研究，对容量为 的正态样本，异常值的平均 比率近似为 * 例6 从19个杆塔上的普通盘形绝缘子测得该层电导率的数据如下： 9.89 8.00 6.40 6.17 5.39 7.27 9.08 10.40 11.20 8.75 6.45 11.90 10.30 9.58 9.24 7.75 6.20 8.95 8.33 计算中位数、诸分位数、极差、四分位数、三均值，并分析是否有异常值。 * data li11; input x @@; cards;