[工程科技]第五章离散趋势的测量.ppt

第五章 离散趋势测量法 本章主要内容： 离散趋势的测定方法（重、难点） 各种离散趋势测量指标的比较 第一节 变异指标相关概念 一、变异指标含义 平均指标是统计总体中各单位某一数量标志的一般水平，反映了总体分布的集中趋势。集中趋势只是数据分布的一个特征，它所反映的是各变量值向其中心值聚集的程度。而这种聚集的程度显然有强弱之分，这与各变量值的差异有着密切的联系。变量值的差异越大，数值的集中趋势越弱，变量值的差异越小，数据的集中趋势越强。因此，要全面描述数据的分布特征，除了要对数据集中趋势加以度量外，还要对数据的差异程度进行度量。数据的差异程度就是各变量值远离其中心值的程度，因此也称为离中趋势。 二、变异指标的概念 在统计研究中，通常把一组数值之间的差异程度叫做标志变动度。测定标志变动度大小的指标叫做标志变异指标。标志变动度与标志变异指标在数值上成正比。如果说平均指标说明总体分布的集中趋势的话，标志变异指标则说明总体分布的离中趋势。 三、变异指标的作用 变异指标是描述数据分布的一个很重要的特征值，因此，它在统计分析、统计推断中具有很重要的作用。具体可以概括为以下几点： 1.反映总体各单位变量值分布的均衡性 一般来说，标志变异指标数值越大，总体各单位变量值分布的离散趋势越高、均衡性越低，反之，变量值分布的的离散趋势越低、均衡性就越高。 2.判断平均指标对总体各单位变量值代表性的高低 平均指标作为总体各单位某一数量标志的代表值，其代表性的高低与总体差异程度有直接关系：总体的标志变异指标值愈大，平均数的代表性愈低；反之，标志变异指标值愈小，平均数代表性愈高。另一方面，平均指标代表性的高低同总体各单位变量值分布的均衡性也有直接关系：总体各单位变量值分布的均衡性越高，平均指标代表性就越高；反之，总体各单位变量值分布的均衡性越低, 平均指标代表性就越低。 3.在实际工作中，借助标志变异指标还可以对社会经济活动过程的节奏性和均衡性进行评价 4.标志变异指标是衡量风险大小的重要指标。 四、变异指标的分类 变异指标按数量关系来分有以下两类： 凡用绝对数来表达的变异指标，统称绝对离势，主要有极差、平均差、四分位差、标准差等。 凡用相对数来表达的变异指标，统称相对离势，主要有异众比率、标准差系数、平均差系数和一些常用的偏态系数。 第二节、全距与四分位差 一、全距 1、未分组资料计算公式 全距又称极差，是一组数据的最大值与最小值之差，用表示。计算公式为： 式中， 、 分别表示为一组数据的最大值与最小值。由于全距是根据一组数据的两个极值表示的，所以全距表明了一组数据数值的变动范围。越大，表明数值变动的范围越大，即数列中各变量值差异大，反之，越小，表明数值变动的范围越小，即数列中各变量值差异小。 [例3.12] 例3.1给出的40个同学统计学的考试成绩，其最高成绩为99分，最低成绩为36，则全距为： （分） 2、分组资料计算公式 R=最高组上限 - 最低组下限 R=最高组组中组-最低组组中值 R=最高组组中组-最低组下限 R=最高组上限-最低组组中值 如果资料经过整理，并形成组距分配数列，全距可近似表示为： R≈最高组上限值－最低组下限值 3、优缺点： 优点：计算简单，易于理解。 缺点： （1）受极端值影响大，遇含开口组的资料时无法计算； （2）数据利用率低，信息丧失严重； （3）受抽样变动影响大（一般大样本的全距会比小样本的全距大）。 二、四分位差（inter-quartile range） 上四分位数与下四分位数之差的平均数，称为四分位差，亦称为内距或四分间距。 四分位差的计算方法： Q·D=(Q3-Q1) /2 四分位差反映了中间50%数据的离散程度，其数值越小，说明中间的数据越集中；数值越大，说明中间的数据越分散。此外，由于中位数处于数据的中间位置，因此，四分位差的大小在一定程度上也说明了中位数对一组数据的代表程度。 [例3.2]在某城市中随机抽取9个家庭，调查得到每个家庭的人均月收入数据如下（单位:元），1500、750、780、1080、850、960、2000、1250、1630，计算人均月收入的四分位数。 解： ，即QL在第2个数值（780）和第3个数值（850）之间0.5的位置上，因此 QL＝（780＋850）÷2＝815（元） ，即QU在第7个数值（1500）和第8个数值（1630）之间0.5的位置上，因此 QU＝（1500＋1630）÷2＝1565（元） QL和QU之间包含了50%的数据，