第4章 数分布特征的测度.pptVIP

第4章 数据分布特征的测度 数据分布特征的描述 数据的“中间位置” 离散程度的度量 这两个数据“胖瘦”一样吗？ 数据分布的特征 数据分布特征的描述 数据分布特征的测度 学习目标 4.1.1 众数(mode) 一组数据中出现次数最多的变量值； 适合于数据量较多时使用； 不受极端值的影响； 一组数据可能没有众数或有几个众数； 主要用于分类数据，也可用于顺序数据和数值型数据。 众数 无众数原始数据: 10 5 9 12 6 8 定类数据的众数 (例题分析) 定序数据的众数(例题分析) 4.1.2 中位数(median) 按数值大小排序后处于中间位置上的值； 数值型数据的中位数(奇数个数据) 例4-1： 9个家庭的人均月收入数据 原始数据: 1500 750 780 1080 850 960 2000 1250 1630 排 序: 750 780 850 960 1080 1250 1500 1630 2000 位 置: 1 2 3 4 5 6 7 8 9 数值型数据的中位数(偶数个数据) 例4-2：10个家庭的人均月收入数据 排 序: 660 750 780 850 960 1080 1250 1500 1630 2000 位 置: 1 2 3 4 5 6 7 8 9 10 中位数(位置和数值的确定) 未分组数据—箱线图(box plot) 用于显示未分组的原始数据的分布； 由一组数据的5个特征值绘制而成，它由一个箱子和两条线段组成； 绘制方法： 首先找出一组数据的5个特征值，即最大值、最小值、中位数Me和两个四分位数(下四分位数QL和上四分位数QU)； 连接两个四分位数画出箱子，再将两个极值点与箱子相连接； 该箱线图也称为Median/Quart./Range箱线图 。 箱线图的构成 单批数据箱线图 分布的形状与箱线图 未分组数据—箱线图(box plot) 箱式图包含的信息比直方图和茎叶图都少，所以它的最佳用途是用来同时比较多个分布。 例如, 为了解不同教育程度的人的收入差别，根据某年71512个人的收入的抽样调查结果，得到的不同受教育程度的人的收入分布如下图： 4.1.3 算术平均数 调和平均数 几何平均数 几何平均数（例题分析） 几何平均数（例题分析） 4.1.4 众数、中位数和均值的比较 众数、中位数和均值的关系 众数、中位数、平均数的特点和应用场合 众数、中位数和平均数的关系 众数、中位数、平均数的特点和应用 众数 不受极端值影响 具有不惟一性 数据分布偏斜程度较大且有明显峰值时应用 中位数 不受极端值影响 数据分布偏斜程度较大时应用 平均数 易受极端值影响 数学性质优良 数据对称分布或接近对称分布时应用 离中趋势 异众比率(variation ratio) 1. 对分类数据离散程度的测度； 2. 非众数组的频数占总频数的比例； 3. 计算公式为： 异众比率 (例题分析) 极差(range) 一组数据的最大值与最小值之差； 离散程度的最简单测度值； 易受极端值影响； 未考虑数据的分布。 平均差 各变量值与其平均数离差绝对值的平均数； 能全面反映一组数据的离散程度； 数学性质较差，实际中应用较少。 方差和标准差(variance and standard deviation) 数据离散程度的最常用测度值； 反映了各变量值与均值的平均差异； 根据总体数据计算的，称为总体方差或标准差，记为?2(?)；根据样本数据计算的，称为样本方差或标准差，记为s2(s)。 总体标准差 样本方差和标准差 未分组数据 样本标准差 (例题分析) 样本标准差 (例题分析) 离散系数 1. 也叫变异系数，或标准差系数。 2. 标准差与其相应的均值之比； 3. 对数据相对离散程度的测度； 4. 消除了数据水平高低和计量单位的影响； 5. 用于对不同组别数据离散程度的比较； 6. 计算公式为 几种离散测度的比较 5、是非标志的平均数与标准差 是非标志:如果按照某种标志把总体只能分为具有某种特征的单位和不具有该特征的单位两部分，这个标志就是是非标志。比如，学生按性别分为男生（是）和女生（非）；产品分为合格品（是）和非合格品（非）。 平均数的计算：把具有某种特征的用“1”表示，不具有该种特征的用“0”表示。 5、是非标志的平均数与标准差 分布