第二章描述统计.docVIP

第二章 描述统计 知识引入　统计分析工作是以通过实验或调查收集到数据为起点的。拿到数据，例如： 样本A 样本B 6 4 1 12 7 5 6 9 2 12 8 4 3 6 5 8 11 5 3 11 1 10 9 3 2 9 7 9 4 10 4 5 4 7 3 9 8 6 6 7 5 7 5 8 10 2 9 3 ? 　　我们如何能知道其中所包含的信息？它们有哪些特点呢？要回答这样的问题，特别是要先粗略了解数据的基本特点，就需要对数据进行整理，并以恰当的方式进行呈现。这个过程可称为统计分组（grouping），即根据被研究对象的特征和统计研究的目的，将所得数据进行适当的分组或分类。统计分组最常用的方式就是编制数据次数分布（frequency distribution），它可以是任何形式的数据分组或分类；通常用图表的形式呈现出来，即次数分布表和次数分布图。 　　尝试一下，如果将上面的两个样本按照每个数据出现的次数进行排序统计，现在你能回答前面的问题吗？ 样本A 样本B ? 　　面对数据，从哪些方面刻画其主要特征呢？对单个样本来说，可以考虑数据的代表值、数据的分散程度以及数据的分布形态。可以通过第二章的统计量来刻画这些特征，而通过次数分布表或次数分布图可以非常直观地了解这些信息。本章首先介绍如何编制次数分布表以及相应的次数分布图，接着介绍其它几种最常用的统计图。 次数分布表　一、编制次数分布表的原则 　　一个完整的次数分布表应当包括标题（在科学文献中，表格的标题通常应放在表格上方）、表（序）号、项目（变量）和单位、线条（许多文献中要求表格中只能使用横线，甚至只能使用三根横线，称“三线表”）、数字；有必要还可以使用表注（表中用“*”标出，再在表的最下方注出）。 　　编制次数分布表之前，应当首先确定统计项目或变量的测量尺度（数据类型）：离散型变量次数分布和连续型变量次数分布有着显著的区别。这里及教材中主要介绍后者。 离散型变量次数分布 　　次数分布是直观反映随机变量各取值发生次数的数据整理方式，因此对于离散型随机变量，其次数分布（表）更加直观，分别统计各离散类别发生次数作出表格即可。下表是某26人样本职业类别调查的次数分布表。从中可以看出，离散变量各类别之间无顺序之分，可任意排列；不过有时候，为了最大限度地揭示次数分布中的有用信息，往往采用按照次数或频率对各类别进行排序的方式。 类别 次数 频率 累加次数 累加频率 工人 8 30.8 8 30.8 农民 3 11.5 11 42.3 商人 6 23.1 17 65.4 知识分子 6 23.1 23 88.5 其它 3 11.5 26 100.0 总计 26 100.0 ? ? ? 　　其对应的次数分布图如下： ? ? 　　下面是一个心理学家职业领域分布的双列次数分布表，当需要按照两个变量进行次数统计时可以使用： ? 　　二、次数分布表的编制 　　随着大量统计软件的应用，手工编制次数分布表越来越没有必要。不过，了解次数分布表的一些特点，仍是统计学的一个基本功。次数分布表可以将一堆杂乱无章的数据排列成序，简洁地反映数据的整体概貌，平均水平，离散情况和分布形态等。但是对原始数据进行次数分组之后，原始数据就不见了，若只保留了次数分布丢失了原始数据，用这种分组数据继续进行运算会带来一些运算上的误差。编制次数分表的步骤如下： 　　（1）求全距 R = Max-Min。 　　（2）决定组数与组距：K = 1.87(N-1)2/5，I = [R/K]，其中R表全距，K为大致的组数，I为组距，应和原始数据的精确位一样，如，成绩精确到分，长度1.32米表示精确到厘米。 　　（3）列出分组区间，要求： 　　最高组包含最大值，最低组包含最小值 　　最低组或最高组的下限最好是I的整数倍 　　分组区间顺序排列 　　注意表述组限和实际组限的区别：教材P14表1-2中所列均为表述组限，他们实际上都表示[9.5,14.5)这个实际区间，实际组限通常都取数据精确位（单位）一半往左偏移，这是连续数据取值规则（见绪论第四节）所致，也可以满足上述的要求，因为写分组区间通常是从小到大写的。 　　（4）求组中值，实际组限的均值。由于上述组限的规定和组距通常取奇数，组中值一般会是整数。 　　（5）登记次数与计算次数。 　　（6）求相对次数（频率），可表示每组占所有数据量的比例，有时能更准确地反映数据中的信息。次数或相对次数最后通常会求和。遇四舍五入，要保证总频率和为整数1。 　　（7）求累积次数和累计频率，可从任意一端开始累加。最后两个步骤不是必需步骤。 ? 　　 　　[例1-1]：随机地从某省参加高考的考生中抽取100名，登记其英语成绩如下： 70.6 77.5