统计学第三章描述统计..ppt

第三章 描述统计;第一节 数据预处理;一、缺失值处理;缺失值的处理一般有两种方式：;插值处理根据插值的不同，有如下一些方法：;2、依概率插值 随机插值是假定一个变量取各种值的可能性是相等的，但有些情况下，我们可以事先知道一个变量取各种值的概率，例如，在对某单位的调查中，发现该单位女性占的比例是75％，男性的比例是25％，在这次调查中某人的性别缺失，则在对其的性别进行赋值时，不是按50％概率赋为“女”，而是按75％概率赋为“女”。;3、就近插值 就近插值是指根据缺失记录附近的其他记录的情况对缺失值进行插值，例如在上例中，“张三”的性别出现缺失，此时可以用其邻近的“李四”的性别数据替代“张三”的性别数据，由于“李四”的性别为“女”，所以将“张三”的性别也赋为“女”。;就近插值是依概率插值的一种简化处理，设想在整个单位的职工中，女性占的比例是75％，则在一般情况下，与张三邻近的记录性别为“女”的概率也应当为75％，就近插值实际上就是依概率插值。 使用就近插值时，需要对抽样过程进行必要的了解，如果抽样时性别有交叉的情况，例如经常是调查完一名男性后就调查一名女性，则使用就近插值就会出现较多的错误。;4、分类插值 依概率插值是将记录置于总体的背景上进行插值，没有充分利用记录的其他信息。如果在记录的其他信息中有某些项目与缺失项目存在相关性，则可以根据这些辅助信息对总体进行分类，在每一类内部