商业数据分析·DS1.pptVIP

商业数据分析 2017·12·29 分布形状 Distribution Shapes 分布性状 在这一章，我们将介绍用来可视化各种不同分布的图像形状。 用各种形来可视化分布有很多的原因： ① 我们可以通过形状来总结一个数据集的通用分布特征； ② 我们反过来可以根据分布形状，来给出数据处理模型选择的建议； 分布性状 7 分布性状 7 1 Histograms 直方图 直方图 直方图是一种通过垂直条状来可视化数据集分布的图形方式。它的方便简洁和易于计算机实现使得它被广泛的应用。 在本节中，我们描述几种直方图，其中包含频率直方图和相对频率直方图，以及密度直方图。 分布性状 7 频率直方图 频率直方图就是先将数据从小到大排序之后，选择一个合适的区间，每个区间内用垂直条状来展示该区间的数据量。 其特点是，每个区间不相互重叠，且他们宽度相等。我们可以计算落入每一个区间的数据量并用垂直条的高度来进行量化，来对应他们的频率，所以被称为频率直方图。 分布性状 7 相对频率直方图 相对频率直方图就是先将数据从小到大排序之后，选择一个合适的区间，每个区间内用垂直条状来展示该区间的数据量的相对频率（分布在0-1）。 Matlab中有绘制单变量直方图的函数：hist()。我们下面来看一个书本上的实例。 分布性状 7 MATLAB实例1——P328-P329 使用galaxy数据集，分别绘制单变量频率直方图和单变量相对频率直方图。我们可以发现两张图的形状是完全相同的，只是纵轴数值不同，他们代表不同的含义。同时在这个例子中，我们发现galaxy数据基本符合正态分布形状。 下面打开Matlab开始实战吧。 分布性状 7 MATLAB实例1——P328-P329 分布性状 7 密度直方图 通过实验我们发现，频率直方图和相对频率直方图有一个问题，就是他们无法显示有意义的概率密度信息，因为垂直条的面积不等于1.我们可以给相对频率直方图叠加一个相应的正态分布图，如下图所示，这样，就可以快速获得一个关于数据分布的展示。 所谓密度直方图就是在对应归一化后的正态分布下的直方图，它的每一垂直条的面积可以表征其概率密度。 至于相对应的正态分布函数如何得到，需要一系列的数学推导，详见课本332页，这里就不做要求。 分布性状 7 密度直方图 分布性状 7 MATLAB实例2——P333-P334 这个例子也是使用galaxy数据集，通过课本介绍的计算估计的方式来绘制密度直方图。 下面打开Matlab开始实战吧。 分布性状 7 MATLAB实例2——P333-P334 分布性状 7 二元直方图 相应的，用类似的方法，我们可以对二元数据进行直方图展示。 分布性状 7 MATLAB实例3——P335-P336 这个例子我们使用前一节的数据集L1bpm进行绘制二元直方图。 下面打开Matlab开始实战吧。 分布性状 7 分布性状 7 MATLAB实例3——P335-P336 作业 课后 作业 9.2题 9.7题 课本 作业 课后 作业 9.2 Repeat Example 9.1 using the forearm data. 9.7 Plot the histogram in Example 9.3 using the surf plot, using this code: % Plot as a surface plot. % Get some axes that make sense. [XX,YY]=... meshgrid(linspace(min(x(:,1)),max(x(:,1)),nb1),... linspace(min(x(:,2)),max(x(:,2)),nb2)); % Z is the height of the bins in Example 9.3. surf(XX,YY,Z) 预习 预习 内容 1. 预习9.2节——盒图。 2. 完成以下习题保存为txt文件，在1.5日00:00前连同上一页的课后作业打包为zip发送至助教邮箱，共占据总成绩的4%： ① 什么是盒图，它有哪些特点？ ② 什么是样本四分位数？