统计学第三章描述统计.ppt

案例： 使用美国1960年人口调查的数据，引入单批数据箱线图。 表：1960年美国15个最大城市的人口数 根据数据计算： 2、箱线图（box plots） 箱线图是五数总括的图示法，从箱线图中可以看出一批数据的下列特征：位置、展布、偏度、尾长、边远数据点。 本例的箱线图见黑板所示。 一个典型的箱线图如下： 案例： 下图是某市场中各类MODEM产品按所用芯片不同进行价格比较的箱线图： 对箱线图的解释：从MODEM的技术参数上看，目前国内市场上销售的MODEM主要使用三类芯片，即Cirrus Logic芯片、Rockwell芯片和Texas Instruments芯片，简称为CL芯片、RW芯片和TI芯片。根据2000年7月的市场情况，CL芯片主要用于600元以下的低端MODEM产品，中间价为320元，RW芯片主要用于中档MODEM，产品线很长，价格跨度从150元直至800元以上，中间价为480元。TI芯片主要为高档MODEM，价格跨度从300元至1100元，中间价为550元。 统计学第三章描述统计. 谢谢 2、尺度变换 尺度变换的例子： 三匹马的体重分别为200kg、201kg、202kg，三只蚂蚁的体重分别为500mg、1000mg、1500mg，无法在同一坐标系上表示出马和蚂蚁的体重离散程度。可以将蚂蚁的体重称上5000000，进行尺度变换，将蚂蚁的体重变为250kg、500k、750kg，从而可以将这些数据在同一坐标系中表示出来。 对于数据差异较大或者较小，普通坐标系无法容纳的情况，通过这种变换，能够使之尺度发生变化，适应常规尺度。 3、一般线性变换 一般线性变换是原点变换与尺度变换同时作用的结果。 4、中心化变换 中心化变换可以将数据批调整到以平均值为中心。 5、标准化变换 标准化变换是将数据批进行原点和尺度的同时变换，使之与标准正态分布的规格相一致。 例子：歌手大奖赛 A地区歌手得分分别为：80、85、87、90、92；B地区歌手得分分别为：93.7、93.4、93.0、94.2、94.7；C地区歌手得分分别为：9.7、9.6、9.4、9.6、9.5。 假定打分是同样分布的一批歌手，因为各地的打分情况不同，不能简单的比较各个地区的歌手好坏。 为了比较这三个不同的数据批，可以将数据进行标准化变换。 A地区歌手得分标准化变换后的分数为： -1.632、-0.432、0.048、0.768、1.248； B地区歌手得分标准化变换后的分数为： -0.168、-0.670、-1341、0.670、1.508。 经过标准化变化的两批数据状况分析： 可以看出B地区最高分的表现比平均水平高出1.508，而A地区的最高分仅高出1.248，说明B地区最高分的表现更出众。 6、规格化变换（极差变换） 规格化变换是将数据批调整至最大值为1，最小值为0的区间。 7、非线性变换 非线性变换主要用于数据序列的变化规律不均匀的场合中，例如，当处理一批平均水平不同的数据时，需要将数据进行对数变换，以求在同一坐标系内反映不同的数据批。 例如：我国的移动电话的数量，可以用黑板上的图来表示。因为数量太大，不能进行原点变换等其他变换方式。 我们需要找到一种方式进行变换，其一是要使得数据能够保持原有的单调变化，其二是能够使得这个变化过程在整个图中都表示出来。 我们可以采用对数变换的方式。 本例中我们取以10为底的对数。 300部手机取对数后为2.477，10万部手机取对数后为5，7000万步手机取对数后为7.845，3亿部手机取对数后为8.477。再在图中就可以很清楚的表示出来了。 二、探索性数据分析 探索性数据分析是描述统计中一个重要的课题。数据分析人员经常要面对纷繁复杂的原始数据，如果不能掌握数据的基本规律，就不可能有针对性地采用各种统计方法。 在实践中，数据分析往往分为两个步骤：探索性数据分析与证实分析。 探索性数据分析是从复杂的数据中分离出数据的基本模式和特点，让分析者发现其中的规律，以便选择分析方法。对于在探索性数据分析中发现的数据规律，分析者需要使用特定的统计模型进行证实分析，以确定规律是否正确。 探索性数据分析与证实分析在一次数据分析中往往要多次交替使用，在证实分析结束后，分析人员可能会发现更多有待探索的数据模式，从而需要再次使用探索性数据分析工具。 探索性数据分析有四大主题，分别是： 1、耐抗性 2、残差 3、重新表达 4、图示 1、耐抗性 所谓耐抗性，是指分析方法对于数据局部不良行为的非敏感性。 原始数据来源不可能保证所有的数据均准确无误，在数据存在少量错误的情况下，如何能够不被错误数据所误导，而认识到数据的本来面目，十分重要。 2、残差 残差是指从数据中减去一个总括统计量或拟合模型后的残余部分。 当残差出现异常时，数据中往往有值得注意的系统性问