数据的分析知识点总结.docxVIP

数据的分析知识点总结

第一章数据的集中趋势

数据的集中趋势是指一组数据向某一中心值靠拢的程度，常用的描述指标有平均数、中位数和众数，它们从不同角度反映数据的整体特征，适用于不同的场景。

一、平均数

1.算术平均数

定义：一组数据中所有数据之和除以这组数据的个数，简称平均数，记为$\bar{x}$（读作“x拔”）。它是最常用的集中趋势指标，能充分利用所有数据的信息。

计算公式：若一组数据为$x_1,x_2,x_3,\dots,x_n$，则算术平均数$\bar{x}=\frac{x_1+x_2+x_3+\dots+x_n}{n}=\frac{1}{n}\sum_{i=1}^{n}x_i$（其中$\sum$表示求和，$i=1$到$n$表示从第一个数据加到第$n$个数据）。

示例：一组数据2,4,6,8,10，其算术平均数为$\bar{x}=\frac{2+4+6+8+10}{5}=6$。

特点：算术平均数易受极端值（一组数据中明显偏大或偏小的数据）影响。例如：数据2,4,6,8,50的平均数为$\frac{2+4+6+8+50}{5}=14$，极端值50使平均数显著偏大，不能很好反映数据的一般水平。

2.加权平均数

定义：当一组数据中不同数据的重要程度不同（即具有不同“权重”）时，需计算加权平均数。权重通常用百分比、频数（数据出现的次数）等表示，记为$w_1,w_2,\dots,w_n$，且权重之和为1或总频数。

计算公式：若数据$x_1,x_2,\dots,x_n$对应的权重为$w_1,w_2,\dots,w_n$（$w_1+w_2+\dots+w_n=1$），则加权平均数$\bar{x}=x_1w_1+x_2w_2+\dots+x_nw_n$；若权重为频数$f_1,f_2,\dots,f_n$（总频数$N=f_1+f_2+\dots+f_n$），则$\bar{x}=\frac{x_1f_1+x_2f_2+\dots+x_nf_n}{f_1+f_2+\dots+f_n}=\frac{1}{N}\sum_{i=1}^{n}x_if_i$。

常见场景：学业成绩计算（如平时成绩占30%、期末成绩占70%）、评分比赛（评委打分去掉极端值后加权平均）等。示例：某学生平时成绩80分（权重30%），期末成绩90分（权重70%），则总评成绩为$80×0.3+90×0.7=87$分。

特点：权重越大的数据，对加权平均数的影响越大，能更贴合实际需求反映数据的集中趋势。

二、中位数

定义：将一组数据按照从小到大（或从大到小）的顺序排列后，位于中间位置的数（若数据个数为奇数），或中间两个数据的平均数（若数据个数为偶数），称为这组数据的中位数。

计算步骤：①排序：将数据按升序或降序排列；②定位置：若数据个数$n$为奇数，中位数是第$\frac{n+1}{2}$个数据；若$n$为偶数，中位数是第$\frac{n}{2}$个数据与第$\frac{n}{2}+1$个数据的平均数。

示例：数据1,3,5,7,9（$n=5$，奇数），中位数是第3个数据5；数据1,3,5,7（$n=4$，偶数），中位数是$\frac{3+5}{2}=4$。

特点：中位数不受极端值影响，当一组数据存在极端值时，中位数比平均数更能反映数据的一般水平。例如：数据2,4,6,8,50的中位数为6，不受极端值50的影响，更贴合数据的实际集中情况。

三、众数

定义：一组数据中出现次数最多的数据，称为这组数据的众数。若一组数据中所有数据出现次数相同，则这组数据没有众数；若有多个数据出现次数相同且最多，则这组数据有多个众数。

确定方法：统计每组数据中各数据的出现频数，频数最高的数据即为众数。示例：数据2,3,3,4,4,4,5的众数是4（出现3次，次数最多）；数据2,2,3,3,4的众数是2和3（均出现2次，次数最多）；数据1,2,3,4的没有众数。

特点：①众数反映数据中最常见的数值，与数据的频数紧密相关；②众数可以是整数、小数，也可以是分类数据（如“性别”中的“男”“女”），适用范围广；③众数不受极端值影响，但可能不唯一或不存在。

应用场景：商业决策（如超市统计销量最高的商品，确定进货量）、民意调查（如最受欢迎的活动类型）等。

四、平均数、中位数、众数的比较与选择

指标

优点

缺点

适用场景

平均数

利用所有数据信息，反映整体平均水平

易受极端值影响

数据无极端值，需综合所有数据信息（如班级学生平均身高）

中位数

不受极端值影响，反映数据中间水平

未充分利用所有