ch03数据分布特征的描述.ppt

1,第三章 数据分布特征的描述,第一节 集中趋势的测定 第二节 离散程度的测定 第三节 偏态与峰度的测定,2,数据分布的特征,3,数据分布的特征和测度,峰 度,偏 态,4,第一节 集中趋势的测定,一. 定类数据：众数 二. 定序数据：中位数和分位数 三. 定距和定比数据：数值平均数 四. 众数、中位数和算术平均数的比较,5,数据分布的特征和测度 （本节位置）,峰 度,偏 态,6,集中趋势 (Central tendency),1. 一组数据向其中心值靠拢的倾向和程度 2. 测度集中趋势就是寻找数据一般水平的代表值或中心值 3. 不同类型的数据用不同的集中趋势测度值 4. 低层次数据的集中趋势测度值适用于高层次的测量数据，反过来，高层次数据的集中趋势测度值并不适用于低层次的测量数据 5. 选用哪一个测度值来反映数据的集中趋势，要根据所掌握的数据的类型来确定,7,众 数,8,众数(mode) (概念要点),1. 集中趋势的测度值之一 2. 出现次数最多的变量值 3. 不受极端值的影响 4. 可能没有众数或有几个众数 5. 主要用于定类数据，也可用于定序数据和数值型数据,9,众数(mode) (众数的不唯一性),无众数 原始数据: 10 5 9 12 6 8,一个众数 原始数据: 6 5 9 8 5 5,多于一个众数 原始数据: 25 28 28 36 42 42,10,定类数据的众数 (算例),【例】根据表3-1中的数据，计算众数,解：这里的变量为“广告类型”，这是个定类变量，不同类型的广告就是变量值。我们看到，在所调查的200人当中，关注商品广告的人数最多，为112人，占总被调查人数的56%，因此众数为“商品广告”这一类别，即 Mo商品广告,11,定序数据的众数 (算例),【例】根据表3-2中的数据，计算众数,解：这里的数据为定序数据。变量为“回答类别”。甲城市中对住房表示不满意的户数最多，为108户，因此众数为“不满意”这一类别，即 Mo不满意,12,数值型分组数据的众数 (要点及计算公式),1. 众数的值与相邻两组频数的分布有关,4. 该公式假定众数组的频数在众数组内均匀分布,2. 相邻两组的频数相等时，众数组的组中值即为众数,3. 相邻两组的频数不相等时，众数采用下列近似公式计算,13,数值型分组数据的众数 (算例),【例3.1】根据表3-3中的数据，计算50名工人日加工零件数的众数,14,中位数和分位数,15,中位数(median) (概念要点),1. 集中趋势的测度值之一 2. 排序后处于中间位置上的值,不受极端值的影响 主要用于定序数据，也可用数值型数据，但不能用于定类数据 各变量值与中位数的离差绝对值之和最小，即,16,中位数(median) (位置的确定),未分组数据：,组距分组数据：,17,未分组数据的中位数 (计算公式),18,定序数据的中位数 (算例),【例3.2】根据表3-2中的数据，计算甲城市家庭对住房满意状况评价的中位数,解：中位数的位置为： 300/2150 从累计频数看，中位数的在“一般”这一组别中。因此 Me一般,19,数值型未分组数据的中位数 (5个数据的算例),原始数据: 24 22 21 26 20 排 序: 20 21 22 24 26 位 置: 1 2 3 4 5,中位数 22,20,数值型未分组数据的中位数 (6个数据的算例),原始数据: 10 5 9 12 6 8 排 序: 5 6 8 9 10 12 位 置: 1 2 3 4 5 6,21,根据位置公式确定中位数所在的组 采用下列近似公式计算：,该公式假定中位数组的频数在该组内均匀分布,数值型分组数据的中位数 (要点及计算公式),22,数值型分组数据的中位数 (算例),【例3.3】根据第三章表3-3中的数据，计算50 名工人日加工零件数的中位数,23,四分位数(quartile) (概念要点),1. 集中趋势的测度值之一 2. 排序后处于25%和75%位置上的值,3. 不受极端值的影响 4. 主要用于定序数据，也可用于数值型数据，但不能用于定类数据,24,四分位数(quartile) (位置的确定),未分组数据：,组距分组数据：,25,定序数据的四分位数 (算例),【例3.4】根据第三章表3-2中的数据，计算甲城市家庭对住房满意状况评价的四分位数,解：下四分位数(QL)的位置为： QL位置(300)/475 上四分位数(QL)的位置为： QU位置(3300)/4225 从累计频数看， QL在“不满意”这一组别中； QU在“一般”这一组别中。因此 QL 不满意 QU 一般,26,数值型未分组数据的四分位数 (7个数据的算例),原始数据: 23 21 30 32 28 25 26 排 序: 21 23 25 26 28 30 32 位 置: 1 2 3 4 5 6 7,N+1,QL= 23,QU = 30,27,数值型未分组数据的四分位数 (6个数据的算例),原始数据: 23 21 30 28 25 26 排 序: 21 23 25 26 28 30 位 置: 1 2 3 4 5 6,QL= 21+0.75(23-21) = 22. 5,QU = 28+0.25(30-28) = 28.5,28,数值型分组数据的四分位数 (计算公式),29,数值型分组数据的四分位数 (计算示例),QL位置50/412.5,QU位置350/437.5,【例3.6】根据表3-3中的数据，计算50 名工人日加工零件数的四分位数。,30,数值型数据：平均数,31,平均数 (mean),集中趋势的最常用测度值 一组数据的均衡点所在 体现了数据的必然性特征 易受极端值的影响 用于数值型数据，不能用于分类数据和顺序数据,32,算术平均数 (概念要点),1.集中趋势的测度值之一 2.最常用的测度值 3.一组数据的均衡点所在 4.易受极端值的影响 5. 用于数值型数据，不能用于定类 数据和定序数据,33,算术平均数 (计算公式),设一组数据为：X1 ，X2 ， ，XN 简单均值的计算公式为,设分组后的数据为：X1 ，X2 ， ，XK 相应的频数为： F1 ， F2， ，FK 加权均值的计算公式为,34,简单算术平均数(simple mean ) (算例),原始数据: 10 5 9 13 6 8,35,加权算术平均数(weighted mean) （算例）,【例3.7】根据表3-3中的数据，计算50 名工人日加工零件数的均值,36,权数对算术平均数的影响,甲乙两组各有10名学生，他们的考试成绩及其分布数据如下： 甲组： 考试成绩（X ）: 0 20 100 人数分布（F ）：1 1 8 乙组： 考试成绩（X ）: 0 20 100 人数分布（F ）：8 1 1,37,算术平均数的数学性质,1.各变量值与均值的离差之和等于零,2. 各变量值与均值的离差平方和最小,38,调和平均数(harmonic mean) (概念要点),1. 集中趋势的测度值之一 2. 均值的另一种表现形式 3. 易受极端值的影响 4. 用于定比数据 5. 不能用于定类数据和定序数据 6. 计算公式为,39,调和平均数(harmonic mean) (算例),【例3.8】某蔬菜批发市场三种蔬菜的日成交数据如表3-4，计算三种蔬菜该日的平均批发价格,（元/公斤）,40,几何平均数(geometric mean) (概念要点),1. 集中趋势的测度值之一 2. N 个变量值乘积的 N 次方根 3. 适用于特殊的数据 4. 主要用于计算平均发展速度 5. 计算公式为,6. 可看作是均值的一种变形,41,几何平均数(geometric mean) (算例),【例3.9】一位投资者持有一种股票，1996年、1997年、1998年和1999年收益率分别为4.5%、2.0%、3.5%、5.4%。计算该投资者在这四年内的平均收益率。,平均收益率103.84%-1=3.84%,42,本 章 练 习,12003年某月份某企业按工人劳动生产率高低分组的生产班组数和产量资料如下，试计算该企业工人的平均劳动生产率。,43,本 章 练 习,44,本 章 练 习,2某公司所属20个企业资金利润率及有关资料如下表，求这20个企业的平均利润率。,45,本 章 练 习,46,3某市场某种蔬菜早市、午市、晚市每千克价格分别为2.50元、2.00元和1.50元，试在下面情形下求平均价格： （1）早市、午市和晚市销售量基本相同； （2）早市、午市和晚市销售额基本相同。,本 章 练 习,47,3某市场某种蔬菜早市、午市、晚市每千克价格分别为2.50元、2.00元和1.50元，试在下面情形下求平均价格： （1）早市、午市和晚市销售量基本相同； （2）早市、午市和晚市销售额基本相同。,本 章 练 习,48,众数、中位数和 算术平均数的比较,49,众数、中位数和 算术平均数的关系,50,数据类型与集中趋势测度值,红色为该数据类型最适合用的测度值,51,第二节 离散程度的测定,一. 定类数据：异众比率 二. 定序数据：四分位差 三. 定距和定比数据：方差及标准差 四. 相对离散程度：离散系数,52,离中趋势,数据分布的另一个重要特征 离中趋势的各测度值是对数据离散程度所作的描述 反映各变量值远离其中心值的程度，因此也称为离中趋势 从另一个侧面说明了集中趋势测度值的代表程度 不同类型的数据有不同的离散程度测度值,53,数据的特征和测度 （本节位置）,54,定类数据：异众比率 (variation ratio),55,异众比率(variation ratio) (概念要点),1. 离散程度的测度值之一 2. 非众数组的频数占总频数的比率 3. 计算公式为,4. 用于衡量众数的代表性,56,异众比率(variation ratio) (算例),【例3.10】根据第三章表3-1中的数据，计算异众比率,57,定序数据：四分位差 (quartile deviation),58,四分位差(quartile deviation) (概念要点),1.离散程度的测度值之一 2.也称为内距或四分间距 3.上四分位数与下四分位数之差 QD = QU - QL 4.反映了中间50%数据的离散程度 不受极端值的影响 用于衡量中位数的代表性,59,顺序数据的四分位数 (例题分析),解：QL位置= (300)/4 =75 QU位置 =(3300)/4 =225 从累计频数看， QL在“不 满意”这一组别中； QU在 “一般”这一组别中 四分位数为 QL = 不满意 QU = 一般,60,数值型数据的四分位数 (9个数据的算例),【例】：9个家庭的人均月收入数据 原始数据: 1500 750 780 1080 850 960 2000 1250 1630 排 序: 750 780 850 960 1080 1250 1500 1630 2000 位 置: 1 2 3 4 5 6 7 8 9,61,定距和定比数据： 方差和标准差,62,极差(range) (概念要点及计算公式),1. 一组数据的最大值与最小值之差 2. 离散程度的最简单测度值 3. 易受极端值影响 4. 未考虑数据的分布,未分组数据 R = max(Xi) - min(Xi),计算公式为,63,平均差(mean deviation) (概念要点及计算公式),1. 离散程度的测度值之一 2. 各变量值与其均值离差绝对值的平均数 3. 能全面反映一组数据的离散程度 4. 数学性质较差，实际中应用较少,计算公式为,未分组数据,组距分组数据,64,平均差(mean deviation) （计算过程及结果）,【例3.12】根据第三章表3-3中的数据，计算工人日加工零件数的平均差,65,方差和标准差 (variance and standard deviation) (概念要点),1. 离散程度的测度值之一 2. 最常用的测度值 3. 反映了数据的分布 反映了各变量值与均值的平均差异 根据总体数据计算的，称为总体方差或标准差；根据样本数据计算的，称为样本方差或标准差,66,总体方差和标准差 (计算公式),未分组数据：,组距分组数据：,未分组数据：,组距分组数据：,方差的计算公式,标准差的计算公式,67,总体标准差 （计算过程及结果）,【例3.13】根据第三章表3-3中的数据，计算工人日加工零件数的标准差,68,样本方差和标准差 (计算公式),未分组数据：,组距分组数据：,未分组数据：,组距分组数据：,方差的计算公式,标准差的计算公式,69,样本方差 自由度(degree of freedom),一组数据中可以自由取值的数据的个数。 当样本数据的个数为 n 时，若样本均值x 确定后，只有n-1个数据可以自由取值，其中必有一个数据则不能自由取值。 例如，样本有3个数值，即x1=2，x2=4，x3=9，则 x = 5。当 x = 5 确定后，x1，x2和x3有两个数据可以自由取值，另一个则不能自由取值，比如x1=6，x2=7，那么x3则必然取2，而不能取其他值。 样本方差用自由度去除，其原因可从多方面来解释，从实际应用角度看，在抽样估计中，当用样本方差去估计总体方差2时，它是2的无偏估计量。,70,样本方差 (算例),原始数据: 10 5 9 13 6 8,样本标准差,71,样本标准差 (算例),样本标准差,原始数据: 10 5 9 13 6 8,72,方差 (简化计算公式),样本方差,总体方差,73,方差 (数学性质),各变量值对均值的方差小于对任意值的方差 证明提示：设X0为不等于X 的任意数，D2为对X0的方差，则：,74,相对离散程度：离散系数,75,变异系数,1. 各种变异指标与其相应的均值之比 2.消除了数据水平高低和计量单位的影响 3.测度了数据的相对离散程度 4.用于对不同总体数据离散程度的比较,76,标准差系数 (概念要点和计算公式),1.标准差与其相应的均值之比 2.消除了数据水平高低和计量单位的影响 3.测度了数据的相对离散程度 4.用于对不同组别数据离散程度的比较 计算公式为,77,标准差系数 （实例和计算过程）,【例3.15】某管理局抽查了所属的8家企业，其产品销售数据如表3-6。试比较产品销售额与销售利润的离散程度,78,标准差系数 (计算结果),结论： 计算结果表明，V1V2，说明产品销售额的离散程度小于销售利润的离散程度,79,数据类型与离散程度测度值,为该数据类型最适合的用的测度值,80,第三节 偏态与峰度的测度,一. 偏态及其测度