理论统计学课件-用数字描述分布特征.pptVIP

方差与标准差的计算 计算每个观测值与平均数的距离——离差(deviation)，并把离差平方 把所有离差的平方加起来，并除以N (若是样本方差则除以n-1) ，得到离差平方的平均数，叫做方差 (variance, σ2或s2) 标准差(standard deviation, σ或s)，是方差的平方根，即√(与平均数离差)2的平均数 * 总体方差(σ2)与标准差 (σ)的计算Population Variance Standard Deviation Formula * 在大多数统计应用中，待分析数据为样本，计算样本方差是为了用来估计总体方差σ2。可以证明，当分母使用n-1而不是n时，得到的样本方差是总体方差的无偏估计 样本方差(s2)与标准差 (s)的计算Sample Variance Standard Deviation Formula * 方差计算举例 Variance Example Raw Data: 10.3 4.9 8.9 11.7 6.3 7.7 * 方差计算表 观测值 Observations xi 离差 Deviations xi - x 离差平方 Squared deviations ( xi – x )2 10.3 10.3 - 8.3 = 2.0 (2.0)2 = 4.00 4.9 4.9 - 8.3 = -3.4 (-3.4)2 = 11.56 8.9 8.9 - 8.3 = 0.6 (0.6)2 = 0.36 11.7 11.7 - 8.3 = 3.4 (3.4)2 = 11.56 6.3 6.3 - 8.3 = -2.0 (-2.0)2 = 4.00 7.7 7.7 - 8.3 = -0.6 (-0.6)2 = 0.36 Σ 0.0 31.84 * 总体方差计算的变形公式 或 * 样本方差计算的变形公式 或 * 方差与标准差的其它计算方法 带统计功能的计算器 电子表格的相应函数 总体方差与标准差：VARP STDEVP 样本方差与标准差：VAR STDEV * 分组数据的方差与标准差的计算 总体 样本 * Thinking Challenge You’re a financial analyst for Prudential-Bache Securities. You have collected the following closing stock prices of new stock issues: 17, 16, 21, 18, 13, 16, 12, 11. What are the variance and standard deviation of the stock prices? * Variation Solution Sample Variance Raw Data: 17 16 21 18 13 16 12 11 * Variation Solution Sample Standard Deviation * 切贝舍夫定理 Chebyshev’s Rule——方差/标准差考虑了数据如何分布 对于任意一个数据集： 至少有3/4（75%）数据项落在 x±2s之间； 至少有8/9（89%）数据项落在 x±3s之间； 至少有(1-1/k2)的数据项与平均数的差异在k个标准差之间（k1） Chebyshev (1821-1894) * 切贝舍夫定理的应用 假设100名学生在大学商学院统计课程的期中考平均分数为70，标准差为5，那么至少有多少个学生分数在60~80之间？有多少学生分数在58~82之间？ 解：对于60~80，我们注意到这刚好距离平均数上下两个标准差，根据切贝舍夫定理，至少有75%（75个）学生分数在60~80之间； 对于58~82，由(58-70)/5=-2.4和(82-70)/5=2.4得知这刚好距离平均数上下2.4个标准差，应用切贝舍夫定理：至少有(1-1/2.42)=0.826（82.6%）学生分数在58~82之间 * 5.3.3 离散系数 Coefficient of variation* 又叫“变异系数”、“标准差系数”，是一个相对变异指标——标准差相对平均数之比 当我们想比较两个不同数据集的散布，但它们的度量单位不同；或度量单位虽同，但在数量级别上相差很大(如对于汽车发动机的活塞，5mm的标准差被认为相当大，而同样的标准差对于大型建筑工程则可以忽略不计)。此时，绝对变异指标(如s)可能产生误导，相对变异指标更为合适。 * 离散系数举例 某证券市场A和B二种股票一年来的收盘价格平均数和标准差分别为xA= ￥58，sA=￥15； xB=￥27，sB=￥9，这两种股票谁