第六数据分析.pptVIP

集中趋势的描述3．众数函数众数是一组数列中出现次数最多的数值，众数函数返回某一数组或数据区域中出现频率最多的数值。4．最大（小）值函数最大（小）值函数可以返回数据集中的最大（小）数值。第27页，共63页。三种平均数的特点众数是一组数据中出现次数最多的变量值，它用于对分类数据的概括性度量，其特点是不受极端值的影响，但它没有利用全部数据信息，而且还具有不惟一性。一组数据可能有众数，也可能没有众数；可能有一个众数，也可能有多个众数。中位数是一组数据按大小顺序排序后处于中间位置上的变量，它主要用于对顺序数据的概括性度量。均值是一组数据的算术平均，它利用了全部数据信息，是概括一组数据最常用的一个值。第28页，共63页。表示变异程度的统计量标准差：它是各个数据与均值偏离程度的度量.方差：标准差的平方.在样本容量相同的情况下，方差越大，说明数据的波动越大，越不稳定。极差：样本中最大值与最小值之差.第29页，共63页。四分位数四分位数是将中值的前后两部分数值再等分为二，以数值小的一端算起，前半部的分区点称为第1四分位数，后半部的分区点称为第3四分位数，而中值即为第2四分位数。四分位数通常用于在销售额和测量值数据集中对总体进行分组。第30页，共63页。数据特征示例一例4.已知数据：a=[4593626245425095844337488155056124524349826407425657065936809266531644877346084281153593844527552513781474388824538862659775859755649697515628954771609402960885610292837473677358638699634555570844166061062484120447654564339280246687539790581621724531512577496468499544645764558378765666763217715310851];计算该数据特征.第31页，共63页。数据特征示例二已知数据：1，1，1，1，1，1，100；计算其数据特征，由此你有何发现？计算结果为：y=15.14311.93071.16471991400.137.418024.245如果本例的数据全部为1，则各种平均值都应等于1，所有的变异特征全部为零，由于有一个异常值100，于是导致上述的一些特征受影响（不稳健），但是中位数、切尾平均与四分位极差没有改变，它们对异常值是稳健的.第32页，共63页。异常值的判别在探索性数据分析时，有一种判别异常值的简单方法，首先计算数据的下、上截断点，数据中小于下截断点的数据为特小值，大于上截断点的数据为特大值，二者都是异常值.第33页，共63页。数据的下、上截断点计算上、下截断点的公式如下：其中，R为四分位极差，分别称为下四分位数与上四分位数.注：Q1=prctile(w,25);

Q3=prctile(w,75);

prctile()函数实现计算样本的百分位数功能第34页，共63页。位于以外的点若数据服从正态分布,则称位于以外的点为异常点.第35页，共63页。分布形态的测定只用集中趋势和离中趋势来表示所有数据，难免不够准确。分析总体次数的分布形态有助于识别整个总体的数量特征。总体的分布形态可以从两个角度考虑，一是分布的对称程度，另一个是分布的高低。前者的测定参数称为偏度或偏斜度，后者的测定参数称为峰度。峰度是掌握分布形态的另一指标，它能描述分布的平缓或陡峭程度。如果峰度数值等于零，说明分布为正态；如果峰度数值大于零，说明分布呈陡峭状态；如果峰度数值小于零，说明分布形态趋于平缓。第36页，共63页。偏度函数偏度函数返回分布的偏斜度。偏斜度反映以平均值为中心的分布的不对称程度。正偏斜度表示不对称边的分布更趋向正值，负偏斜度表示不对称边的分布更趋向负值。其计算公式为第37页，共63页。峰度函数峰度函数返回数据集