[工程科技]第3章 数据的描述.ppt

第3章 数据的描述 统计图与统计表 数据集中趋势的数值描述 数据离散程度的数值描述 数据分布的形态 本章要回答的问题 常用的统计图表有哪些？如何绘制和解释其含义？ 通常使用哪些数值指标描述数据的特征？如何计算？ § 3.1 统计图与统计表 绘制统计图一般都需要先对数据进行统计分组，在得到的频数分布表的基础上制图。 § 3.1.1 统计分组与频数分布 统计分组：就是按照研究目的将数据分成若干组的统计方法。 关键：选择分组变量和划分各组界限 例如按照考试成绩把学生分为优、良、中、及格、不及格。 统计分组的结果是形成频数分布(分布数列，Frequency Distribution)。 频数分布举例 两个构成要素： 各组的分组界限 每组中的次数或频率 通过频数分布表可以发现数据分布的特征。 频数（frequency) ：每个组中的数据个数，也称次数。 频率（relative frequency) ：频数/总数据个数。 分组方法 单变量值分组 将一个变量值作为一组，适合于离散变量，适合于变量值较少的情况。 例如某学院2008年毕业研究生毕业时发表论文篇数的频数分布表（右表）。 组距分组 将变量值的一个区间作为一组，适合于连续变量，适合于变量值较多的情况。 分组必须遵循“不重不漏”的原则。 分为等距与不等距分组。 各组组距都相等时为等距分组。 为了避免有些组中的频数很少甚至是空白的情况，有时也可以采用不等距（异距）分组。 应用中可能需要把第一组和/或最后一组设为开口组。 组距分组的步骤 1、确定组数：通常为5到15 (20)组。 Sturges 提出的经验公式：分组组数K应满足 组距分组中的基本概念 1、 下 限：一个组的最小可能值 2、 上 限：一个组的最大可能值 3、 组 距：上限与下限之差 4、 组中值：下限与上限之间的中点值，（下限+上限）/2。 等距分组表：上下组限间断 等距分组表（上下组限重叠，上组限不在内) 等距分组表：（使用开口组） 3.1.2 列联表（Contingency table ） 如果对数据同时根据两个变量分组，汇总得到的结果称为列联表。列联表反映的是两个变量的联合分布，可以用来分析两关变量之间的关系。也称为交叉分组表（Cross tabulation）。 列联表一般根据两个定性变量进行编制，如果是定量变量则需要先对单个变量进行分组。 列联表中的数字为交叉单元格中的频数或频率。 以列联表为基础可以对两个变量之间的关系进行多种统计检验。 列联表举例 市场营销专业的男生有10人。 3.1.3 常用统计图 条形图（Bar Chart) 用宽度相同的条形高度或长短来表示数据变动的图形，条形的排列可以横排，也可以纵排。条形图有单式、复式等形式。 圆形图 (Pie Chart) 也叫饼图，它是用圆形及圆内扇形的面积来表示数值大小的图形。主要用于总体内部的结构，各组成部分所占比例等。 直方图(Histogram) 用来反映数量变量的分布状况。在统计分组的基础上，用横轴表示数据分组，纵轴表示频数或频率，各组与相应的频数就形成了一个矩形，即直方图。 注意对不等距分组：纵轴必须表示为频数密度 频数密度=频数/组距 (面积之和=总频数) 手工绘制直方图时需要先对数据进行分组；用统计软件作直方图时统计软件可以自动进行分组。 直方图（等距分组） 直方图（不等距分组） 直方图与条形图的异同 都是用来反映数据的分布状况，适用于不同类型的数据。 条形图是用条形的高度表示各类别频数的多少，其宽度(表示类别)则是固定的。 直方图是用面积表示各组频数的多少，矩形的高度表示每一组的频数或百分比，宽度则表示各组的组距，其高度与宽度均有意义。 直方图的各矩形通常是连续排列，条形图则是分开排列。 折线图 (Frequency polygon) 折线图也称频数多边形图是在直方图的基础上，把直方图顶部的中点(组中值)用直线连接起来，再把原来的直方图抹掉。 折线图的两个终点要与横轴相交，具体的做法是第一个矩形的顶部中点通过竖边中点（即该组频数一半的位置）连接到横轴，最后一个矩形顶部中点与其竖边中点连接到横轴。 组数越多，组据就越小，折线图就越光滑，逐渐形成一条平滑的曲线，这就是频数分布曲线。 审计时间的折线图 茎叶图 （Stem-and-Leaf Display） 主要用于显示未分组的原始数据的分布。由“茎”和“叶”两部分构成，其图形是由数字组成的。 通常以数据的高位数值作树茎，低位数字作树叶，树叶上只保留一位数字。 树叶的竖列要对齐，以计算各组的次数。 原始数据： 24, 26, 24, 21, 27, 27, 30, 41, 32, 38 从小到大排序后的数据： 21, 24, 24,