叙述统计数值方法.pptVIP

第三章 Part A 敘述統計：數值方法 Methods 位置量數 離散量數 位置量數 平均數 中位數 眾數 百分位數 四分位數 平均數 資料集的平均數是資料集內所有資料的總和除以項目數。 如果資料來自樣本，稱為樣本平均數記為 如果資料來自母體，稱為母體平均數。 範例：12位商學院畢業生的起始月薪 平均數 中位數 中位數最常用來做為財產資料或所得資料的位置量數。 有極端值的資料集，中位數比平均數更能提供較佳的中央位置量數。 中位數 將資料項目由小排到大，中位數是位置在中間的資料值。 若資料項目為奇數，中位數即為排在中間的數值。 若資料項目為偶數，沒有單一的中間項，中位數是中間的兩個資料值的平均數。 眾數 眾數是資料集內出現次數最多的資料值。 出現次數最多的值可能會有兩個或更多。 若資料集有兩個眾數，則稱此資料為雙峰(bimodal)。 若出現兩個以上的眾數，則稱為多峰(multimodal)。 百分位數 百分位數可提供有關資料項目在最小值到最大值間的分佈情況。 大學的入學測驗分數均使用百分位數來表示。 百分位數 p -百分位數表示至少有 p 百分比的觀察值小於或等於它，而至少有(100 - p)的觀察值大於或等於它。 計算 p -百分位數的步驟 將資料由小到大排列。 計算指標 i, p -百分位數的位置。 如果 i 不是整數，無條件進位。 p -百分位數就是第 i個資料。 如果 i 是整數，p -百分位數就是第 i 個資料與第 i +1個資料的平均數。 範例：12位商學院畢業生的起始月薪 85- 百分位數 四分位數 四份位數是百分位數的特例 第一四分位數 = 25-百分位數 第二四分位數 = 50-百分位數= 中位數 第三四分位數 = 75-百分位數 四分位數是個數的位置，而非値的位置 2201 2255 2350 2380 2380 2390 2420 2440 2450 2550 2630 2825 第一四分位數 第一四分位數 = 25-百分位數 i = (p/100)n = (25/100)12 = 3 Q1 = (2350 + 2380)/2=2365 小 結 有極端值時，中位數比平均值更適合代表中央位置的數 有極端值時可以用去掉極大値及極小值的修正平均數 如去掉前後百分之五的資料 離散量數 除了位置量數以外，通常還希望能考慮資料值的離散量數或變異性。 例如，考慮考慮選擇那個供應商時，除了平均交貨天時外，交貨時間的變異也很重要。 離散量數 全距(Range) 四分位數距(Interquartile range,IQR) 變異數(Variance) 標準差(Standard Deviation) 變異係數(Coefficient of Variation) 全 距 最簡單的離散量數就是全距。 全距＝最大值─最小值。 全距僅用到資料中的兩個值，所以深受極端值的影響。 範例: 商學院畢業生的起薪資 全距 全距 = 最大值 – 最小值 全距 = 2825- 2210 = 615 四分位數距 四分位數距是資料集的第三四分位數與第一四分位數的差距。 四分位數距即中間50%的資料的全距。 四分位數距能克服極端資料值的影響。 範例: 商學院畢業生的起薪資 四分位數距 第三四分位數 (Q3) = 2500 第一四分位數 (Q1) = 2365 四分位數距 = Q3 - Q1 = 2500 - 2365 = 135 變異數 變異數是離散量數，需要用到全部的資料。 變異數是根據每一個資料值(xi)與平均數之差 樣本平均數 x，或母體平均數 m 變 異 數 對樣本資料而言，變異數表示為 s2。 對母體資料而言，變異數表示為? 2。 標準差 標準差是變異數的正平方根。 標準差比變異數容易解釋，因為標準差的衡量單位與觀察值相同。 對樣本資料而言，標準差表示為 s。 對母體資料而言，標準差表示為 ? (sigma) 變異係數 變異係數是變異性的相對衡量，它衡量標準差相對於平均值的大小。 對樣本資料而言，變異係數的計算如下: 對樣本資料而言，變異係數的計算如下: 範例: 商學院畢業生的起薪資 變異數 標準差 變異係數 * * * 第三章 敘述統計：數值方法 A部分 ? 滄海書局 x ? ? % 某大學的就業輔導室寄出一份給其抽樣的商學院畢業生，調查他們有關工作起薪的資訊。得到如下的資料。 2380 12 2210 6 2420 11 2255 5 2825 10