信息分析解析跟决策chapert2 数据跟数据的获得(1)资料.pptVIP

Charpter2 数据与数据的获得 2-1 总体、个体、特征与数据 2-2 数据类型 2-3 获得数据的调查方法 2-4 问卷设计 2-1 总体、个体、特征与数据 2.1 总体、个体、特征与数据 总体 ( Population or Universe) 所研究对象的全体，称为总体.例如，某专业同一年的考生可以构成一个总体，一条生产线上生产出来的某零件可以构成一个总体。 2.1 总体、个体、特征与数据 2. 个体( Individual Or Case) 或成分(Elements) 组成总体的元素(Element), 称为个体 有限总体：在某个总体中，若个体的数目是有限的Finite. 无限总体：总体中，个体的数目无限(Infinite) 2.1 总体、个体、特征与数据 3. 指标或变量(Variable) 研究任何总体，必然对其个体的某些特征感兴趣。 Ex：农民(总体) 附着于“个体”的信息，即个体特征 年收入 对政策的态度 受教育程度 2.1 总体、个体、特征与数据 表征个体特征(Characteristics)的量称为指标或变量. Ex: “学生” ----------考分 身高 “零件” ----------直径 长度 耐磨损度 “药品”-----------疗效 副作用 “企业”------年销售额 年利润 资金周转率 2.1 总体、个体、特征与数据 我们对任何总体感兴趣，其实是对总体中的个体的特征感兴趣。当要联合考察总体或个体的若干个特征，我们面对的就是指标向量。 Ex: “学生” (考分 身高 年龄 性别 ) 2.1 总体、个体、特征与数据 4. 指标值或数据(Data) 在研究一个总体时，所要研究的每个特征，在每个个体上，都有一个反映该特征的具体描述，被称之为指标值。 Ex：考生个体 考分(定量型Quantitative，有数值) 性别(定性型Qualitative) 受教育程度(半定量的Semi-Quantitative) 2.1 总体、个体、特征与数据 定性型的数据和半定量的数据，通常是对个体分组(分类)的依据. 一个个体的所有特征的数据，被称为一条记录或一个数据向量。 考生A（姓名，年龄，考分，成绩…) 2-2 数据类型 Scale 刻度级数据 数据的最高等级，只能用数字来表示 比率级Ratio : 有具体的实际测量值，可做+ - * / 运算. 间距级Interval: 具体有一定单位的实际测量值。例如摄氏温度。可比较变量之间的差异，作+ - 运算，不能进行* / 运算。 2.2.1 数据测度的分类 2. Ordinal 序次级数据 数据的中间级。可用数字，字母来表示 Ex: 受教育程度 小学 = 1 初中 = 2 高中 = 3 大学本科 = 4 研究生 = 5 各编码的序值，代表了受教育程度的高低差异。这一差异不能准确描述差别的大小，但可以确定其顺序，即可进行不等式运算。 研究生 大学本科 高中 … 3.(Nominal)名义级数据 数据的最低级，无次序之分，只是一种标志，用以区分变量的不同值。可用数字也可用字母。 Ex: 性别：女（0） 男（1） 女（F） 男（M） 在统计分析中，不同测度类型的数据扮演不同的角色。不同测度级别的数据，应用范围不同。 等级越高，应用范围越广泛；等级越低，应用范围越受限制。 2.2.2 不同测度类型的数据的用途 不同测度类型的数据都可以作为统计对象直接进入统计处理。 Ex: 当我们获得不同文化程度的顾客对某种数码产品的偏好数据后，我们可以用统计方法来分析两个变量（文化程度, 品牌）是否相关。 文化程度：顺序型变量 品牌：名义级变量 分类分组作用 Ex: 名义级变量Categorical Variable，“职工的性别”：将职工总体分为“男”“女”两组，统计不同组的平均工资。 顺序级变量也可作为分类得依据，“受教育程度”将职工总体分为教育程度由低到高的若干组。 刻度级数据可用于分类，如按照“考试成绩”将学生总体分类等等。 一般说来，等级高的数据，兼具等级低的数据的功能；而等级低的数据，不可能兼有等级高的数据的功能。 名义级的数据，通常是样本分类（分组）的依据。 2.2.3 观察数据与实验数据 从数据获得的角度对数据进行分类 观察数据： 在获得数据过程中，不对被调查对象数据产生的条件施加任何控制所得到的数据。观察数据通常是众多因素共同作用的结果。 Ex: 调查农民年收入情况，农业技术来源情况，受教育情况，地区差异等等通常为观察数据。 农民的年收入显然是众多因素复合作用的结果。 实验数据：在获得数