基本的统计量精选.pdf

基本的统计量 简介 统计是与数据分析相关的数学领域。统计方法与方程可以应用于一组数据，用以分析与解读结果，解释数据中的 变异，预测未来的数据。以下是一些我们可以计算的统计信息： ● 平均的值（均值） ● 一组数据中最频繁出现的数值（众数） ● 平均意义上，单次量测结果与均值的偏离程度（标准误） ● 一组数据中数值出现的范围（极差） ● 按数值大小排列的一组数中，居于正中间的数值（中位数） 统计在工程领域中具有重要意义，它为分析所收集的数据提供工具与方法。比如，一位化学工程师想要分析一个 搅拌桶的温度量测结果。统计的方法就可以用来决定：温度量测值的可靠度与再现性，在一组温度值内数值有多 大变化，桶内温度将来会发生怎样的变化，以及这位工程师对量测结果有多大的信心。此文将会涵盖基本的统计 函数，包括：均值，中位数，众数，标准误，加权平均值，标准差，相关系数，Z值与P值。 什么是统计？ 在统计学家的观念里，世界是由总体(populations)与样本(samples)组成的。一个“总体” 的例子就是全美国的七年 级学生，相对应的“样本”就是七年级学生里面的一群人。在这个例子中，一位联邦健康关怀的官员想要知道七年 级学生的平均体重，并且希望能与其它国家的数据相比较。遗憾的是，如果要测量全美国每一位七年级学生的体 重将会耗资巨大。相反的，使用统计的方法，就可以通过测量一个样本或多个样本的体重来估计全美七年级学生 的平均体重。 总体参数(parameters)对应于总休，统计量(statistic)对应于样本。 参数是总体的一个特征。如同在上述的例子中，多数情况下直接去测量总体参数是不可行的，这时就需要选取一 个样本，并找到样本的统计量。此统计量就可以用来估计总体参数。（有一个统计学分支被称为演绎统计学，它 使用样本来推导总体的信息。）在这个例子中，总体参数就是全美七年级学生的平均体重，而样本统计量就是一 组七年级学生的平均体重。 大量的统计演绎工具要求样本是单个随机样本，并且独立收集。总之，就是要统计量可以被视作随机变量，在此 不作深入分析。需要关注的是，统计量可能因为在采样过程中出现大的变异，偏差，及其它误差等而引入瑕疵。 所以在进行统计分析时，要始终保持怀疑精神。 统计量有很多不同的形式，下面是一些例子。 基本的统计量 当对一组数据进行统计分析时，均值、中位数、众数、标准差都是可以通过计算得到的有用的数值。均值、中位 数、众数都可以用来估计一组数据的中点是在哪里。标准差是实际的数值与均值的平均距离。 均值(Mean)与加权平均值(weighted average) 均值的计算是由观测值的总和除以观测的次数n。尽管数值可以大于，小于，或等于均值，但是均值依然被认为 是一个对预测后续数据有价值的估计值。计算均值的公式为： (1) 在与单次量测相关的误差是相同的或未知的情况下，可以使用此公式来计算均值。否则，就要使用加权平均值， 加权平均值在计算时引入了标准差。计算公式如下： (2) 其中： ，xi 是单个数值。 中位数(Median) 中位数是包含奇数个数值的一组数据的中间的数值，或者包含偶数个数值的一组数据的中间两个数值的平均值。 众数(Mode) 一组数据的众数是指最频繁出现的数值。 考量 既然我们已经讨论过多种方式，可以用来描述一组数据，你可能想知道什么时候该用哪一种方式？如果所有的数 据相对集中，平均值就会告诉你这些数据集中于哪一点。另一方向，如果大多数数据集中于某一个，或是一组数 值，偶然有一些数值会明显的偏离，那么用众数来描述这一组数据就更精确，因为均值会引入这些偶然的偏离的 数值。如果你对数据分布的范围感兴趣，那么中位数就是有用的，一半的数据会在中位数以上，另一半数据会在 中位数以下，你就知道整个系统的中心在哪里。 标准差与标准差权重 标准差告诉我们整组数据与其均值相隔多近。如果一组数据的标准差比较小，说明这组数据相对集中；如果标准 差比较大，说明这一组数据散布在一个相对较宽的数值范围内。计算标准差的公式如下： (3) 样本的标准差（方差的平方根）可以用来估计总体的真实方差。公式(3)是对总体方差的无偏估计。公式(3.1)是计 算样本标准差的另一种常见方法，但是它是对总体方差的有偏估计。尽管它是有偏估计，在某些情况下，它还是 有优势的。 (3.1) 当计算标准差的值与加权平均值相关时