第3章 试验数据的整理 试验统计学 教学课件.ppt

试验统计学 第四章 概率论与数理统计的基础知识 第三章 试验数据的整理 第三节 衡量资料中心位置的特征数──平均数 第一节 总体和样本的概念 第一节 总体和样本的概念 第一节 总体和样本的概念 第一节 总体和样本的概念 第二节 次数分布 第二节 次数分布 第二节 次数分布 第二节 次数分布 第二节 次数分布 第二节 次数分布 第二节 次数分布 第二节 次数分布 第二节 次数分布 第二节 次数分布 第二节 次数分布 第二节 次数分布 第二节 次数分布 第二节 次数分布 第三节 平均数 第三节 平均数 第三节 平均数 第三节 平均数 第四节 变异数 第四节 变异数 第四节 变异数 第四节 变异数 第四节 变异数 第四节 变异数 第四节 变异数 第四节 变异数 第四节 变异数 第四节 变异数 第五节 用计算机和计算器计算特征数 极差（Range) —— 一组数据的最大值与最小值之差。即：R=Max(x)-Min(x) 上例中： 第一组数据的极差为：R1 = 26-24 = 2 第二组数据的极差为：R2 = 49-1 = 48 可见第二组人的年龄变异大的多。 极差只考虑了数据中的两个极端值，而没有充分利用资料提供的全部信息。 为了解决资料中所有观察值的离均差正负抵消的问题，采用先平方后再相加的办法。 由于资料中有些观察值大于平均数(离均差为正值)，有些观察值小于平均数(离均差为负值)，全资料的离均差之和为０。不能利用全资料的离均差之和来衡量资料的变异程度。 为了充分利用资料的全部信息，可以计算每个观察值的离均差，即观察值与整个资料平均数之间的差。第i个观察值的离均差为 。 上例中： 第一组数据的平方和为： SS1 = (24-25)2 + (25-25)2 +(26-25)2 = 2 第二组数据的平方和为： SS2 = (1-25)2 + (25-25)2 +(49-25)2 = 1152 可见第二组人的年龄变异大的多。 当资料平均数不是精确数而是含有四舍五入误差时，上述计算方法将会引入颇大的计算误差。 离均差平方和(Sum of Squares，简称平方和)能较好地衡量资料的变异程度： 第四节 变异数 利用此式计算平方和只在计算C.T.时引进一次四舍五入误差，计算精度比前面的公式高得多。 离均差平方和的计算公式： 其中校正项 对于分组资料，离均差平方和的计算公式为： 其中 f 为各组的次数， 为观察值总数， 为所有观察值之和， 为平均数。 校正项为 当两组资料中观察值的数目不等时，还应考虑到观察值数目的影响。这时用方差来衡量变异。 上例中，两组数据的平方和分别为： 计算结果与前面公式所得的一样，这里只在计算校正项 C.T.= 752/3 时出现一次四舍五入误差。 总体方差（Population Variance): 样本方差（Sample Variance): 对于分为k组的资料: 对于分为k组的资料: 注意：计算样本方差时不用n来除，而用n-1来除，这是因为用样本平方和 来估计总体平方和 时老是偏小的缘故。n-1称为样本方差的自由度。 用 来估计 老是偏小。 因为大多数情况下， ，根据离均差的第二个重要特性，有关系： 统计学已经证明，若在计算样本方差时，用n-1来除，则样本方差 将是总体方差 的无偏估计。 样本方差又称为均方（Mean Square，记为MS),是用得最多的衡量变异程度的量。但由于它的单位是原来数据单位的平方，在实践上难以解释。有时使用方差的平方根值来衡量数据的变异程度。 方差的平方根称为标准差（Standard Deviation)。 总体标准差（Population SD): 样本标准差（Sample SD): 平均数相差很大的例子： 甲测量排球场长度三次，得 乙测量足球场长度三次，得 在比较两组平均数相差很大或数据单位不同的资料的变异程度时，则需要用到变异系数的概念。变异系数(Coefficient of Variation，记为CV )是指资料的标准差与平均数之比。 虽然两组数据的s都等于1，但不能认为两组数据的变异程度相同。乙测量得显然比甲精确。 数据单位不同的例子： 调查一批人的体高，得 又调查他们的体重，得 不能认为体高的变异10cm比体重的变异4kg大。事实上这批人体重的变异比体高的变异大一些。 在比较两组平均数相差很大或数据单位不同的资料的变异程度时，则需要用到变异系数的概念。变异系数(Coefficient of Variation，记为 CV )是指资料的标准差与平