统计分析方法学习总结.pdfVIP

统计分析方法学习总结

S201505158陈丹妮

一、统计的描述

一般采用以下几种图形描述数据：

直方图：表示几个变量的数据，使人们能够看出这些数目的大体分布或“形状”；

盒形图：比直方图简单一些的是盒形图(boxplot，又称箱图、箱线图、盒子图)；

茎叶图：既展示了数据的分布形状又有原始数据。它象一片带有茎的叶子。茎为较大位

数的数字，叶为较小位数的数字；

散点图：描述的数据有两对连续变量；

定型变量的图：定性变量（或属性变量，分类变量）不能点出直方图、散点图或茎叶图，

但可以描绘出它们各类的比例，如：饼图、条形图。

二、汇总统计量

表示位置的汇总统计量：均值(mean)：样本值的算术平均值；中位数(median)：中间大

小的数（一半样本点小于中位数）；(第一或第三)（下、上）四分位数(点)(firstquantile,third

quantile)（分别有1/4或3/4的数目小于它们）；k-百分位数(k-percentile)；a分位数(acentile)：

k-百分位数=k%分位数：有k%的数目小于它；众数(mode)：样本中出现最多的数。

表示尺度的汇总统计量：极差（range)：极端值之差；四分位间距(四分位极差)

(interquantilerange)四分位数之差；标准差(standarddeviation)方差平方根；方差(variance)

各点到均值距离平方的平均。

三、相关的分布

相关的分布包括：离散分布、连续分布、抽样分布：我们能够利用样本统计量中的（描

述样本的）信息,比如样本均值和样本标准差中的信息，来对（描述总体的）总体参数（比

如总体均值和总体标准差）进行推断（估计、检验等）。

大数定律：阐述大量随机变量的平均结果具有稳定性的一系列定律的总称。其中又分为

独立同分布大数定律（提供了用样本平均数估计总体平均数的理论依据）和贝努力大数定律

（提供了频率代替概率的理论依据）。

中心极限定理：阐述大量随机变量之和的极限分布是正态分布的一系列定理的总称。独

立同分布中心极限定理（不论总体服从何种分布，只要它的数学期望和方差存在，从中抽取

容量为n的样本，当n充分大时，则这个样本的总和或平均数是服从正态分布的随机变量）

和德莫佛－拉普拉斯中心极限定理（提供了用正态分布近似计算二项分布概率的方法）。均

值的假设检验包括对于正态总体均值的检验、对于比例的检验

四、各种分析方法

1.列联表分析

列联表变量中每个都有两个或更多的可能取值，称为水平，比如收入有三个水平，观点

有两个水平，性别有两个水平等。列联表的中间各个变量不同水平的交汇处，就是这种水平

组合出现的频数或计数（count）。二维的列联表又称为交叉表（crosstable）。列联表可以有

很多维。维数多的叫做高维列联表。注意前面这个列联表的变量都是定性变量;但列联表也

会带有定量变量作为协变量。

2.方差分析

方差分析（analysisofvariance，ANOVA）是分析各个自变量对因变量影响的一种方法。

这里的自变量就是定性变量的因子及可能出现的称为协变量（covariate）的定量变量。分析

结果是由一个方差分析表表示的。原理为：把因变量的值随着自变量的不同取值而得到的变

化进行分解，使得每一个自变量都有一份贡献，最后剩下无法用已知的原因解释的则看成随

机误差的贡献。然后用各自变量的贡献和随机误差的贡献进行比较（F检验），以判断该自

变量的不同水平是否对因变量的变化有显著贡献。输出就是F-值和检验的一些p-值。

3.相关和回归分析

发现变量之间的统计关系，并且用此规律来帮助我们进行决策才是统计实践的最终目的。

一般来说，统计可以根据目前所拥有的信息（数据）来建立人们所关心的变量和其他有关变

量的关系。这种关系一般称为模型（model）。

假如用Y表示感兴趣的变量，用X表示其他可能与Y有关的变量（X也可能是若干变量

组成的向量）。则所需要的是建立一个函数关系Y=f(X)。这里Y称为因变量或响应变量

(dependentvariable,responsevariable)，而X称为自变量，也称为解释变量或协变量

(indep