样本的数字特征课件.pptVIP

一众数、中位数、平均数的概念众数：在一组数据中，出现次数最多的数据叫做这组数据的众数．中位数：将一组数据按大小依次排列，把处在最中间位置的一个数据（或最中间两个数据的平均数）叫做这组数据的中位数.平均数:一组数据的算术平均数,即

问题1：众数、中位数、平均数这三个数一般都会来自于同一个总体或样本，它们能表明总体或样本的什么性质？众数:反映的往往是局部较集中的数据信息中位数:是位置型数，反映处于中间部位的数据信息平均数:反映所有数据的平均水平

1、求下列各组数据的众数（1）、1，2，3，3，3，5，5，8，8，8，9，9众数是：3和8（2）、1，2，3，3，3，5，5，8，8，9，9众数是：32、求下列各组数据的中位数（1）、1，2，3，3，3，4，6，8，8，8，9，9中位数是：5（2）1，2，3，3，3，4，8，8，8，9，9中位数是：4

3、在一次中学生田径运动会上，参加男子跳高的17名运动员的成绩如下表所示：成(米)1．501．601．651．701．751．801．851．90人别求这些运动员成绩的众数，中位数与平均数。解：在17个数据中，1.75出现了4次，出现的次数最多，即这组数据的众数是1.75．上面表里的17个数据可看成是按从小到大的顺序排列的，其中第9个数据1.70是最中间的一个数据，即这组数据的中位数是1.70；这组数据的平均数是答：17名运动员成绩的众数、中位数、平均数依次是1.75（米）、1.70（米）、1.69（米）。

二、众数、中位数、平均数与频率分布直方图的关系

如何在频率分布直方图中估计众数频率组距众数在样本数据的频率分布直方图中，就是最高矩形的中点的横坐标。0.50.40.30.20.1O0.511.522.533.544.5月平均用水量(t)可将众数看作直方图中面积最大长方形的“中心”

频率组距如何在频率分布直方图中估计中位数前四个小矩形的面积和=0.49后四个小矩形的面积和=0.260.250.220.150.140.080.060.040.040.020.511.522.533.544.52.02

分组频率[0,0.5)0.04[0.5,1)0.08[1,1.5)0.15[1.5,2)0.22[2,2.5)0.25[2.5,3)0.14在样本中中位数的左右各有50%的样本数，条形面积各为0.5,所以反映在直方图中位数左右的面积相等.，[3,3.5)0.06[3.5,4)0.04[4,4.5]0.02)中位数合计1可将中位数看作整个直方图面积的“中心”

思考讨论以下问题：1、2.02这个中位数的估计值，与样本的中位数值2.0不一样，你能解释其中原因吗？答：2.02这个中位数的估计值,与样本的中位数值2.0不一样，这是因为样本数据的频率分布直方图，只是直观地表明分布的形状，但是从直方图本身得不出原始的数据内容，直方图已经损失一些样本信息。所以由频率分布直方图得到的中位数估计值往往与样本的实际中位数值不一致.

频率组距如何在频率分布直方图中估平均数前四个小矩形的面积和=0.49后四个小矩形的面积和=0.260.250.220.150.140.080.060.040.040.020.511.522.533.544.52.02

平均数的估计值等于频率分布直方图中每个小矩形的面积乘以小矩形底边中点的横坐标之和。=2.02可将平均数看作整个直方图面积的“重心”

思考讨论以下问题：2、样本中位数不受少数极端值的影响，这在某些情况下是一个优点，但它对极端值的不敏感有时也会成为缺点。你能举例说明吗？答：优点：对极端数据不敏感的方法能够有效地预防错误数据的影响。对极端值不敏感有利的例子:例如当样本数据质量比较差，即存在一些错误数据（如数据录入错误、测量错误等）时，用抗极端数据强的中位数表示数据的中心值更准确。

缺点：（1）出现错误的数据也不知道；（2）对极端值不敏感有弊的例子：某人具有初级计算机专业技术水平，想找一份收入好的工作。这时如果采用各个公司计算机专业技术人员收入的中位数作为选择工作的参考指标就会冒这样的风险：很可能所选择公司的初级计算机专业技术水平人员的收入很低，其原因是中位数对极小的数据不敏感。这里更好的方法是同时用平均工资和中位数作为参考指标，选择平均工资较高且中位数较大的公司就业.

三、众数、中位数、平均数的简单应用例1、下表是七位评委给某参赛选手的打分，总分为10分，你认为如何计算这位选手的最后得分才较为合理？评委1号2号3号4号5号6号7号打分9.69.39.39.69.99.39.4提问：1、电视里评委是怎样给选手打分的？2、为什么这么做？直接