一二章节、绪论.docx

一二章、绪论 现代统计学之父：皮尔逊 描述统计与推断统计 描述统计主要研究如何整理、描述数据的特征。 推断统计主要研究如何通过局部数据所提供的信息推论总体特征。 变量类型 定类变量：如，性别、学号、颜色类别、教学方法 。 特征：没有绝对零点， 没有测量单位。 变量值之间有 “相等” 和“不等” 的关系，但没有大小之分，不能比较大小，更不能进行加、减、乘、除四则运算。 定序变量：程度、等级和水平 。如，比赛名次、品质等级、喜爱程度 特征：既无零点、又无测量单位。 变量的值之间具有 “等于” 或“不等于” 关系、序关系 (优于、先于、劣于、后于等 )，四则运算没有意义。 定比变量 ：除了可以说出名称和排出大小，还能算出差异大小量的变量。 如温度、测验成绩、智商 。 特征：有相等的测量单位，无绝对零点。考试成绩为零不表示没有一点知识。可进行加减运算，乘除运算则无意义。 定距变量：如身高、重量、学生人数 。既有测量单位，又有绝对零点，可进行计算。 降低偏差：利用随机抽样 降低变异性：用大一点的样本 三、描述统计 一、频数：某一事件在某一类别中出现的次数。 频数分布类型：正态，正（负）偏态，正（反） J 形， U 形分布。 分布性质 ;集中（分散）程度，偏度和峰度不同。 偏态系数：数据的对称性 峰态系数：数据的峰度 二、集中量数 ： 包括算术平均数 M 、中位数 M d 、众数 M 0（用众数代表一组数据，可靠性较差， 不过，众数不受极端数据的影响，并且求法简便） 、加权平均数 M W 、几何平均 数 M g 、调和平均数 M H 。 组数据中有少数数据偏大或偏小，数据的分布呈偏态时，应用几何平均数。 算数平均数的 性质（算法必须会）： 1）每一个变量加减或乘除一个数之后，均值也相应增加。 2）变量值与均值的离均差之和为零。 3）变量值与均值的离均差平方和为最小值。 三、离散量数 ：全距 R、四分位差 Q、平均差、方差（样本统计量 S2 , 总体参数 2 ）、标准差 (s 或者 SD)、百分位差 全距：全部数据中的最大值与最小值的差 ，描述了数据分布的范围 。 四分位差（ Q）：样本中间 50%的人的全距的一半。是一个距离， Q 越大，表示样本中各样品越不整齐 . 平均差：全部数据与均值绝对离均差的均值。 方差：各个数据偏离中心的程度。方差越大，数据波动越大。 标准差：方差的算术平方根。 自由度：自由度是指当以样本的统计量来估计总体的参数时， 样本中独立或能自由变化的数据的个数。 标准分数 ：以标准差为单位表示一个原始分数在团体中所处的相对位置， 即原始 分数在均值以上或以下几个标准差的位置。 性质：标准分数的均值为 0，标准差为 1。没有实际单位。 应用： 1）、比较不同性质的观测值在各自数据分布中相对位置的高低。 如身高与体重。 2）计算不同质的观测值的总和或者均值，以表示在团体中的相对位置。如高考的标准分。 3）做线性转换后，表示标准测验分数。如 IQ。 图表 条形图，用于定性数据。 直方图与多边图：用于定量数据 时序图：反映事物变化趋势 饼图：定性数据的多少或构成比例 散点图 :两个变量的变化关系和变化方向。 茎叶图：保留小样本连续变量的原貌。 三线表的组成要素包括：表序、表题、项目栏、表体、表注五、随机变量分布 正态分布 X N ( , 2 ) ------------------样本均值的分布 正态分布曲线下的面积：曲线高度是频数（ Y），曲线下面积则是累积频数 P（也视作随机变量出现的概率） 。 X 轴上的截距为 Z。 其中， μ决定曲线的位置，σ决定曲线的“胖瘦” 。 无论各分布的均值与标准差的值是多少， x 取值以下特定区域的概率 (面积 )是确定的，即： 正负一个标准差，占 %，两个 % ，三个 % 标准正态分布：均值为 0，标准差为 1. 总体服从正态分布 N ~ (μ, 2 )时，来自该总体的所有容量为 n 的样本的 均值 2 X 也服从正态分布， X 的期望为μ，方差为σ 2/n 。即 X～N(μ , ) n 平均数的标准误 X N 标准误衡量了抽样误差 (sampling error)的大小。所谓抽样误差是指由 抽样引起的样本统计量与总体参数间的差异。 标准误越小 ，统计量与参数越接近， 样本对总体越有代表性， 用统计量推断参数的可靠度越大 ，所以，标准误是推断统计可靠性的重要指标。 卡方分布：变量相互独立，且服从 N (0,1) 分布的随机变量。称随机变量服从自由 2 2 ( ) n 度为为 n 的卡方分布。记做 x x ， x 2 2 n xi i 1 卡方分布 ：样本方差的分布（样本方差的分布） T 分布：随机变量 X 服从 N(0,1)，Y 服从 x2 ( n) ，且相互独立，则