統計資料的整理統計量數.ppt

例 16 分組資料的樣本平均數、樣本變異數與樣本標準差（續） 解： 6.2 分組資料的中位數與百分位數 分組資料的中位數 第n/2項所對應的組別應是中位數所在的組別，當然我們知道其組界，故當組的下界等於前一組的上界，即 ，利用線性內插法可得 6.2 分組資料的中位數與百分位數（續） 求分組資料的百分位數(Pk)的步驟 求位置指標 。 判斷Pk所在組別。 利用線性內插法可得 6.2 分組資料的中位數與百分位數（續1） 計算分組資料知中位數與百分位數有兩點值得特別注意： 計算分組資料的中位數和百分位數是要用組界來運算，不宜用組限。 為了決定位置，習慣上要先計算 或 ，此時不管所得的結果是否為整數，都可直接帶入式子計算，不用像計算未分組資料時都取整數值。 例 17 分組資料的中位數與百分位數 依例 16所得次數分配表，求中位數P30、Q1及Q3？ 解： 因n/2=25，故Me落於第5組， 因為 ，所以落於第4組， 例 17 分組資料的中位數與百分位數（續） 因為 ，所以Q1落於第3組， 因為 ，所以Q3落於第6組， 7 謝比雪夫不等式與經驗法則 7.1 謝比雪夫不等式(Chebyshev’s Inequality) 7.2 經驗法則(empirical rule) 7.1 謝比雪夫不等式 謝比雪夫不等式(Chebyshev’s Inequality)： 對於任何的資料分配，觀測值落於平均數兩邊k個標準差的區間內之機率（比例）至少為 ，其中k為大於1的任意數。 謝比雪夫不等式可適用於任何資料型態，使用它時並不需對資料作任何假設，只要知道平均數和標準差就可以推估有多少比例的資料會落在某一範圍內。 數學式: P( | X – μ| ? kσ ) ? ，k 1 7.1 謝比雪夫不等式（續） 圖 8 謝比雪夫不等式之圖示 例 18 謝比雪夫不等式 就例3.6之五十筆樣本資料，試問有多少比例的觀察值落於樣本平均數左右兩個樣本標準差的區間內？ 解： 根據謝比雪夫不等式的結論，則至少有75%的資料落於該區間內。本例中，我們可以實際瞭解真正的情形。首先計算 　　　　　 ， 　　　　　　　　　　　 ，所以 　　 因為 k=2，故　　　　　　　 ，實際計數後得知有　　　 的資料落於該區間內。 7.2 經驗法則 經驗法則(empirical rule)： 當資料呈現對稱分配或鐘形分配時，則 約有68%的資料落在平均數左右一個標準差的區間內。 約有95%的資料落在平均數左右二個標準差的區間內。 約有99.7%的資料落在平均數左右三個標準差的區間內。 數學式: P( | X – μ| ? kσ ) ? 68% , k = 1 95%, k = 2 99.7%, k = 3 經驗法則的應用 根據經驗法則吾人可預測共同基金的報酬率分布情況：平均報酬率加上兩個標準差大約是最佳狀況時的報酬率；平均報酬率剪去兩個標準差大約是最差狀況時的報酬率。換言之，四個標準差大約是最好與最壞時的差距。 例 19 續例 18 試依經驗法則驗證相關的結論。 解： 在 的區間有33個數據，占33/50=66%。 在 的區間有49個數據，占49/50=98%。 在 的區間有50個數據，占50/50=100%。 以上三個比例和經驗法則的結論都非常接近，因為資料具有近似對稱分配的性質。 謝比雪夫不等式與經驗法則 例：自某大學四年級N = 1080學生，測驗智力測驗，得其IQ分數之平均數（μ）= 120，標