数据描述方法.pptxVIP

数据描述方法;课本:;课程大纲 1 统计学基本概念、数据收集和数据描述;统计学的定义 ?统计学(statistics) 是“收集、分析、展 示和解释数据的科学”;什么地方统计用得上呢？;运用统计的领域包括(1); 统计可应用于各个不同学科，在有些学科已经有其特有的方法和特点；如生物统计(biostatistics), 计量经济学 (econometrics)以及目前很热门的生物信息(bioinformation)和数据挖掘(Data Mining)的方法主体都是统计。 以归纳为主要思维方式的统计不是以演绎为主的数学;第二章： 数据的收集;二手数据（Secondary data ）;原始数据（一手数据,Primary data;原始数据收集方法;实验数据 例：冶炼金属;2. 电话调查要点(邮件问卷情况相同);电话调查;3. 邮件问卷;固定结果的问题Closed-end questions – 如： “请问你所属的党派- 是共和党、民主党还是其他党派?;4. 直接观测和面对面采访;数据收集注意事项;如何用一部分数据较好地代表所有数据;例: 广东省和山东省成年人身高比较; 此例中，单个山东和广东人或个人的身高数据称为个体(individual) 而称所有所有山东和广东人或他们的身高数据为总体(population)，总体是包含所 有要研究的个体的集合。 抽样抽到的人或身高数据称为该总体的样本(sample)，样本是总体的一部分。样本中个体的个数--样本量(sample size); 当然，也有可能试图调查所有的人(比如人口普查), 叫做普查(census). 抽样框(Frame)–所关心的所有对象或个- 是总体的一部分;参数和统计量;一些常用的抽样方法;1 简单随机样本;2.系统抽样(systematic sampling): 先把总体中;3. 整群抽样(cluster sampling): 先把总体划分;4．分层抽样（stratified sampling）。这是先要研究的总体按照某些性质分类(stratum)，再在各类中分别随机抽取样本。;5. 多级抽样（multistage sampling）。在群体很;抽样方法的选择不能一概而论;数据类型:;当变量所取的值是数量时称为定量变量（quantitative variable） 如： 收入(元)、重量(kg)、身高(cm)、某企业广告投入(元 某企业销售额(元) 取非数量值的变量就称为定性变量或分类变(qualitative or categorical or nominal variable） 如：学历（中学、高中、本科、研究生）观点（赞成、反对） 性别（男、女） 国家（中国、美国、英国、加拿大…）收入（低、中、高三个水平） - 定性变量也可数量来描述，比如男性和女性的数目，用这些数量来建立模型;时间序列数据和截面数据;数据度量级别(measurement Levels);1. 定性或名义数据(Nominal data） - 最低级形式的数据;2. 有序数据Ordinal (rank) data: - 比名义数据高一级别;3. 区间数据Interval data:;4. 比例数据Ratio data: - 有区间数据的特点+有真正的有意义的零点;计算机中常用的数据形式;第四十一页，共八十六页，2022年，8月28日;统计软件;作业;第三章 数据的描述;广告投入和销售额之间的关系;散点图;定量变量的图表示 直方图、盒形图、茎叶图和散点图;点击Rich.sav;1.0;直方图 (histogram);直方图 (histogram);盒形图(boxplot, Box-whisker);第五十三页，共八十六页，2022年，8月28日;茎叶图 Stem-and-leaf;茎叶图 Stem-and-leaf;茎叶图 Stem-and-leaf;茎叶图 Stem-and-leaf;茎叶图 Stem-and-leaf;茎叶图 Stem-and-leaf;散点图Scatter plot;例 3.2 (数据 marriage.sav）美国男士和女士初婚年龄的据。该数据描述了自1900 年到1998 年男女第一次结婚的年龄的中位数。自1900 到1960 年是每十年一个值，以 后到1990 是每五年取一个数，1995 年以后每年一个数。;第六十二页，共八十六页，2022年，8月28日;定性变量的图表示：饼图和条形图;第六十四页，共八十六页，2022年，8月28日;点击饼图，可对图做细微改进。 在properties 中点击text style将FangSong放 Font 点击data value labels 将percent 和“语种”入Labels displayed;第六十六页，共八