第一讲：抽样及样本.pptVIP

全距 全距是数据中最大值与最小值间的差距 全距是数据离散程度最简单的描述 全距对最大数据及最小数据敏感 四分位点内距 四分位点内距是第一与第一四分位数间的差距 是中间50%的数据的全距 它能够克服极端数据的影响 方差 方差是各数据值与其平均值之间的平均差异 如果数据集是总体，总体方差为 如果数据集为样本，样本方差为 标准差 标准差为方差的正平方根 标准差具有与原始数据相同的计量单位，较方差更便于比较 如果数据集是总体，则总体标准差为 如果数据集是样本，则样本标准差为 变异系数 变异系数是标准差相对于平均数的大小的度量 如果数据集为总体，变异系数为 如果数据集为样本，变异系数为 平均数和方差的应用 Z分数z-Scores 切比晓夫定理Chebyshev’s Theorem 经验法则The Empirical Rule 异常值的检验Detecting Outliers Z分数 Z-分数通常称为标准化数值 Z-分数的意义是数据值偏离平均数标准差的个数 Z-分数大于0的数据是那些比平均数大的数据值 Z-分数小于0的数据是那些比平均数小的数据值 Z-分数等于0的数据是那些与平均数相等的数据值 一个数据集经过标准化之后，其平均值变为0，标准差变成1 切比晓夫定理 至少(1-1/k2)个数据落在平均数k倍标准差范围内，其中k是大于1的任何数值 至少75%的数据落在平均数的k=2标准差范围内 至少89%的数据落在平均数的k=3标准差范围内 至少94%的数据落在平均数的k=4标准差范围内 经验法则 对于具有钟形分布的数据集而言 大约68%的数据落在平均数的1倍标准差范围内 大约95%的数据落在平均数的2倍标准差范围内 几乎所有的数据落在平均数的3倍标准差范围内 异常值的检验 数据集中出现的非正常大或非正常小的数据值称为异常值 Z-分数值低于-3或高于3的数据可能是异常值 异常值的出现可能是由于记录错误，也可能是记录正确的非正常数据值 异常值也可能来自于不同的总体 探索性数据分析 探索性数据分析技术是由简单运算及容易绘制的图形组成，可用快速汇总数据。 茎叶图 Stem-and Leaf display 五数概括 Five-Number Summary 箱图 Box plot 茎叶图 茎叶图是一种简单的对数据进行快束描绘的数据汇总方法 茎叶图不仅提供了数据排序，同时还显示了数据的分布信息 与直方图有相似之处，但茎叶图还显示了实际的数据值 数据的首位或首几位放置在直线的左边—称为茎 数据的末位(只是最后一位)放置在直线的右边--称为叶 五数概括 最小数据值Smallest Value 第一个四分位数First Quartile 中位数Median 第三个四分位数Third Quartile 最大值Largest Value 箱图 以第1和第3四分位数(Q1和Q3)作为箱子两端，其间的间距称为四分位间距，记为IQR= Q3 - Q1 箱图的下限制线位于比Q1低1.5倍IQR的位置上，上限制线位于比Q3高1.5倍IQR的位置上 限制线以外的是异常值 双变量相关关系度量 协方差 Covariance 相关系数 Correlation Coefficient 协方差 如果数据集是总体，协方差为 如果数据集是样本，协方差为 正值表示正相关，负值表示负相关 相关系数Correlation Coefficient 如果数据集是总体，相关系数为 如果数据集是样本，相关系数为 相关系数的值在-1与1之间 相关系数的值接近-1表示较显著地负线性相关 相关系数的值接近1表示较显著地正线性相关 加权平均数和分组数据的加权平均数 加权平均数 The Weighted Mean 分组数据 Grouped Data 加权平均数 当数据来处总体时 代替 平均值是一个特殊的加权平均数 分组数据 分组数据的样本均值为 是第i组中值 是第i组的频数 n 为样本容量 分组数据的样本方差为 分组数据 分组数据的总体均值为 是第i组中值 是第i组的频数 n 为样本容量 分组数据的样本方差为 审计时间频数分布表 审计时间(天) 频数 10-14 15-19 20-24 25-29 30-34 合计 4 8 5 2 1 20 审计时间频数分布表 样本均值为 样本方差为 形状的度量 描述数据是如果分布的 形状的度量 对称性(Symmetric)或歪曲性(Skewed) Symmetric:Mean=Median=Mode Left-Skewed: MeanMedianMode Right-Skewed: MeanMedianMode 分布的形状。