《统计学》辅修第三章数据的描述资料.pptVIP

某车间50名工人日加工零件数分组表 按零件数分组 频数（人） 累积频数 105~110 110~115 115~120 120~125 125~130 130~135 135~140 3 5 8 14 10 6 4 3 8 16 30 40 46 50 合计 50 — 例 计算50名工人日加工零件数的中位数： 分组数据的众数 1.相邻两组的频数相等时，众数组的组中值即为众数 Mo 2. 相邻两组的频数不相等时，众数采用下列近似公式计算(相似三角形的相似比) Mo Mo f f-1 f+1 L 组距 某车间50名工人日加工零件数分组表 按零件数分组 频数（人） 累积频数 105~110 110~115 115~120 120~125 125~130 130~135 135~140 3 5 8 14 10 6 4 3 8 16 30 40 46 50 合计 50 — 例 计算50名工人日加工零件数的众数： 数据的尺度特征量 尺度特征量是描述数据的离散程度。 常用的尺度特征量有： 极差、方差（标准差）、变异系数 （1）样本极差(Sample Range)，常记为 R = 样本最大值与最小值之间的差。 （2）样本方差(Sample Variance)，常记为 样本方差越小，数据越集中；样本方差越大，数据越分散。 样本方差是一个非负的量。 样本方差等于零，则所有数据相同。 样本标准差(Standard Deviation)： 样本方差的(非负)平方根，记为S. 注意：使用标准差的好处在于， 其量纲单位与X是一致的。 Excel函数 用SPSS计算均值和标准差： (1) 打开 Student.sav 数据文件； (2) 从菜单“分析”中选 “描述性统计”， 再选“描述性统计分析”； (3) 在对话窗口中选择要分析的变量。 单个数学（math）成绩的分析： 数学（math）和物理(phys)成绩同时分析： 均值和标准差在实际问题中的应用 （一）一种简单的说法：数据中有 68% 落在 ( - S, + S ) 中; 95% 落在 ( - 2S, + 2S ) 中; 99% 落在 ( - 3S, + 3S ) 中; - x - x - x - x - x - x 均值和标准差在实际问题中的应用 （二） 数据的标准化（标准得分） 假设有两个班级上同一门课，但是由于两个任课老师的评分标准不同，使得两个班成绩的均值和标准差都不一样。 一班分数的均值和标准差分别为78.53和9.43，而二班的均值和标准差分别为70.19和7.00。 问题：得到90分的一班的张颖是不是比得到82分的二班的刘疏成绩更好呢？ 这种均值和标准差不同的数据不能够直接比较，但是可以把它们进行标准化，然后再比较标准化后的数据。 标准化(standardize)： (原数据 - 均值）/ 标准差 一班张颖的标准得分是(90-78.53)/9.43=1.216，二班刘疏的标准得分是 (82-70.19)/7.00=1.687。因此我们可以回答：刘疏的成绩更好些。 如果进一步问： 以上的标准分1.216和1.687的含义？ 用正态分布计算可得： “=normdist(1.216,0,1,1)” 0.888008 这相当于排名前12% “=normdist(1.687,0,1,1)” 0.954198 这相当于排名前5% （3）变异系数 给出数据的相对离散程度 消除了数据水平高低和计量单位的影响 用于对不同组别数据离散程度的比较 计算公式为: 企业编号 销售额（万元）X1 利润（万元）X2 1 2 3 4 5 6 7 8 170 220 390 430 480 650 950 1000 8.1 12.5 18.0 22.0 26.5 40.0 64.0 69.0 实例:某管理局下属的8家企业的产品销售数据如下，试比较产品销售额与销售利润的离散程度 X1=536.25（万元） S1=309.19（万元） V1= 536.25 309.19 =0.577 S2=23.09（万元） V2= 32.5215 23.09 =0.710 结论：计算结果表明