统计知识点总结.docxVIP

统计知识点总结

第一部分统计基础概念

1.1统计的核心定义与研究流程

统计是研究如何收集、整理、分析数据，并根据数据得出合理结论的科学，核心目标是通过样本信息推断总体特征（统计推断）。其完整研究流程为：

1.收集数据：确定研究对象，获取原始数据；

2.整理数据：对原始数据进行分类、分组、汇总，形成有序数据（如表格、图表）；

3.分析数据：计算数据的数字特征（如平均数、方差），解读数据规律；

4.推断结论：根据样本数据特征，合理推断总体情况，同时评估推断的可靠性。

1.2核心概念辨析（高频考点）

①总体：我们所要研究的对象的全体（如研究高一学生的数学成绩，全体高一学生的数学成绩即为总体）；

②个体：总体中的每一个研究对象（如上述总体中，每一位高一学生的数学成绩）；

③样本：从总体中抽取的一部分个体组成的集合（如抽取50名高一学生的数学成绩，这50个成绩即为样本）；

④样本容量：样本中个体的数目（上述样本容量为50，注意：样本容量无单位）；

⑤抽样：从总体中抽取样本的过程，抽样的核心是保证样本的代表性（即样本能客观反映总体的特征）。

1.3数据的分类

根据数据的性质，可将数据分为两类，直接影响后续整理和分析方法：

①分类变量（定性数据）：只能归于某一类别的非数值型数据，分为无序分类（如性别：男、女；血型：A、B、O、AB）和有序分类（如等级：优、良、中、差；满意度：非常满意、满意、不满意）；

②数值变量（定量数据）：可以用数值表示其观察结果，且这些数值具有明确的数学意义，分为离散型（如人数、次数，取值为整数，不可分割）和连续型（如身高、体重、成绩，取值为实数，可无限分割）。

第二部分数据的收集

2.1数据收集的两种基本方法

①普查（全面调查）：对总体中的每一个个体都进行调查的方法；

优点：数据全面、准确，无抽样误差；

缺点：耗费大量人力、物力、时间，不适用于总体容量大或具有破坏性的调查（如调查一批灯泡的使用寿命、一批炮弹的杀伤半径）；

适用场景：总体容量较小、调查要求高且无破坏性（如人口普查、高考体检）。

②抽样调查：从总体中随机抽取一部分个体进行调查，并用样本数据推断总体特征的方法；

优点：耗费少、速度快，可用于破坏性调查；

缺点：存在抽样误差（误差可通过合理抽样控制，无法完全避免）；

适用场景：总体容量大、调查具有破坏性或调查成本较高（如调查某市居民的收入水平、调查一批饮料的合格率）。

2.2抽样方法（核心重点）

抽样的核心原则是“随机抽样”（即每个个体被抽到的概率相等），常用的随机抽样方法有三种，需根据总体特征选择：

①简单随机抽样：

定义：从总体中逐个抽取个体，且每个个体被抽到的概率相等的抽样方法（最基本、最核心的抽样方法）；

适用场景：总体容量较小、个体之间无明显差异（如从50名学生中抽取10名参加座谈会）；

常用方法：抽签法（制作号签、搅拌均匀、随机抽取）、随机数表法（利用随机数表选取个体）；

特点：每个个体被抽到的概率均为n/N（n为样本容量，N为总体容量）。

②系统抽样（等距抽样）：

定义：将总体中的个体按一定顺序排列，每隔一定的间隔抽取一个个体的抽样方法；

适用场景：总体容量较大、个体之间无明显差异（如从1000名学生中抽取50名进行调查）；

抽样步骤：编号（将总体N个个体编号）→分段（确定分段间隔k=N/n，若N不是n的整数倍，先剔除多余个体）→确定起始编号（随机抽取第1段的个体编号l）→抽取样本（按l,l+k,l+2k,…抽取n个个体）；

特点：每个个体被抽到的概率相等，抽样效率高于简单随机抽样。

③分层抽样：

定义：将总体按某种特征（如性别、年龄、层次）分成若干层，在每一层内独立进行简单随机抽样或系统抽样的方法；

适用场景：总体由差异明显的几部分组成（如调查某学校学生的视力，按年级分层；调查某地区居民的收入，按职业分层）；

抽样原则：按各层在总体中所占比例进行抽样（即层抽样比=样本容量/总体容量=该层样本数/该层总体数）；

特点：兼顾各层特征，样本代表性更强，抽样误差更小。

例：某学校有高一学生300人、高二200人、高三100人，现抽取60人调查学业压力，按分层抽样，各年级抽取人数为：高一300×(60/600)=30人，高二200×(60/600)=20人，高三100×(60/600)=10人。

第三部分数据的整理与表示

3.1数据整理的核心步骤

对收集到的原始数据（杂乱无章）进行整理，核心是“分类、分组、汇总”，步骤如下：

1.审核数据：检查数据的完整性（无缺失）和准确性（无错误），剔除无效数据；

2.分类/分组：分类变量按类别分组（如性别分男、女），数