第4章样本强壮描述与数据准备.docVIP

第4章 样本描述与数据准备 样本数据采集到以后，不能立即用于数据分析，因为样本可能存在错误数据、缺失数据或者异常数据，或者采集的数据不符合要求，不具有代表性，这些情况会直接影响到分析结果的准确性和准确性。所以，进行数据分析以前，需要首先了解一下样本数据的基本特征，并对缺失值和异常值等进行适当的处理。 第一节 样本的描述 一、基本数学知识 样本数据采集到以后，常用一些统计量描述原始数据的集中程度和离散状况，对数据的总体特征进行归纳。 （1）描述中心趋势的统计量 算术平均数：样本数据的总和除以数据个数得到算术平均数，算术平均数是描述样本数据中心趋势最常用的统计量，因为具有计算简便、稳定的优点。 中位数：将样本数据（假设有个数）按照升序或者降序排列，如果为奇数，则数列中间的数为中位数；如果为偶数，则中位数为居中两数的均值。中位数不如算术平均数稳定，即在同一总体中取相同大小的不同样本时，中位数的变化比算术平均数大。但是中位数不受极值的影响，因而在经济统计中应用较多。 众数：样本数据中出现频数最大的那个数称为众数。众数容易理解，但是不容易确定，与中位数一样，不受极值的影响。 截尾平均数：将样本数据进行排序后，按照一定的比率去掉两端的某些数，对剩下的数据求平均值，得到截尾平均数。常用的截尾平均数有5%截尾平均数，即两端去掉5%的数据以后剩余的