SPSS软件应用~统计图的制作.doc

统计图的绘制直条图、线图、 面积图、构成图、高低区域图、直条构成线图、质量控制图、箱图、均值相关区间图、散点图、直方图、正态概率分布图、正态概率单位分布图、 普通序列图、时间序列图统计图是用点的位置、线段的升降、直条的长短或面积的大小等方法表达统计资料的一种形式。其特点是简明生动，形象具体和通俗易懂。它可以把资料所反映的变化趋势、数量多少、分布状态和相互关系等形象直观地表现出来，以便于读者的阅读、比较和分析。SPSS制图功能很强，本章将介绍SPSS在绘制常用统计图方面的功能。由于计算机绘图具有快速、清晰、规范、可修正以保证准确无误等特点，故在论文、报告等写作中有着十分重要的应用价值。图形画廊窗口图形画廊窗口其实就是一个介绍SPSS图形和帮助创建图形的窗口，用户可以通过这个窗口对SPSS中所有的图形有个全面的了解。Graphs-gallery条形图7.1.1 主要功能调用Graphs菜单的Bar过程，可绘制条形图。条形图是利用相同宽度条形的长短或高低表现统计数据大小或变动的统计图，条形图还有其他别名，条形图横排称为带形图，纵排又称柱形图。1.图形图式Simple图标，简单条形图。以若干平行且等宽的矩形表现数量对比关系，条间有间隙。Clustered图标，分组条形图。由两条或两个以上条形组成一组的条形图。Stacked图标，分段条形图。它是以条形的全长代表某个变量的整体，条内的各分段长短代表各组成部分在整体中所占比例，每一段用不同线条或颜色表示。详细见GraphsBar-help7.1.2 实例操作Data17-04中是19881992世界各种饮料产量，绘制出各种类型的条形图。7.1.2.1 数据准备打开数据Data17-047.1.2.2 操作步骤选Graphs菜单的Bar.过程，弹出Bar Chart定义选项框（图15.1）。在定义选项框的下方有一数据类型栏，系统提供3种数据类型：（1）Summaries for groups of cases：观测量分类描述模式。这种模式对应分类轴变量中的每一种类观测量生成一个简单（分组或分段）图形。（2）Summaries of separate variables：变量描述模式。对应每个变量生成一个图形，即一个条或一个折点代表一个变量。这种模式至少要选两个或两个以上、相同或不同的变量。（3）Values of individual cases：观测值模式，对应分类轴变量中的每一观测值生成一个图形。精确英文解释：分别右击Summaries for groups of cases、Summaries of separate variables、Values of individual cases出现英文解释在定义选项框的上方有3种直条图可选：Simple为单一直条图、Clustered为复式直条图、Stacked为堆积式直条图。观测量分类模式简单条形图在条形图主对话框中选择simple，在data in chart are 栏内选择summaries for groups of cases,单击define,展开define simple bar:summaries for groups of cases观测量分类模式简单条形图对话框。 在本对话框中定义图形参数，（1） category axis框，设置分类轴变量。在变量列表中选择cont为分类轴变量，送入category axis框中。默认的分类轴是横轴。Data1704数据文件的cont变量中的各变量值是带有变量值标签的数据，其中1Western Europe,2=Eastern Europe,3=Asia,4=North America,6=South America,7=Other.所以在图中的分类变量顺序不是按照字母顺序排列，而是按照从17所设定的标签数值排列。（2） Bars Represent栏，选择条图表达的统计量。条图表达的统计量分成两大类：一类是对分类变量的描述；另一类是对其他变量的描述。1 分类变量的计数函数，表达某一变量值N of cases选项，观测量计数。Cum n of case选项，累积频数。% of cases 选项，观测量数占总数的百分比。Cum % of cases选项，累积百分数。我们以cont变量作为分类轴变量，即横轴，选择N of cases 项，条图的长度表示国家数目，为本图的纵轴，生成各洲国家数目的比较条形图。也可以以cont 变量作为分类轴变量，选择Cum % of cases项，条图的长度表示累计百分数目，生成各洲国家数目累积百分数的比较条形图。2 选择其他变量的综合统计函数。这种描述方法仍以Category axis 框中的变量作为分类变量，再确定对另一个变量的统计量。操作为：选择other summary function项，然后在变量列表框中指定某个变量，比如wine，移入variable 框内，variable框中所显示的是统计函数表达式：meanwine,mean 为统计函数，wine 为统计函数的自变量。如果认可条长表示葡萄酒产量的均值。若选择其他统计函数，单击change summary，展开summary function综合函数选择对话框，对话框内有四组可以选择的统计函数，共18各选项。第一组包括10个统计函数选项:Mean of values选项，算术平均数Median of values选项 ，中位数Mode of cases选项， 众数Number of cases选项 ，不含缺失值的观测量数目Sum of values选项， 总和Standard deviation选项， 标准差Variance选项， 方差Maximum value选项 ，最大值Minimum value选项， 最小值Cumulative sum选项，累积总和课堂练习1：试生成19881992年各洲葡萄酒平均产量图。试生成19881992年各洲葡萄酒最高产量图。试生成19881992年各洲果汁总和图。试生成19881992年各洲果汁累积总和图。第二组包括5个统计函数项：Percentage above 选项, 大于指定参数的观测量数目占总数的百分比。Percentage below选项，小于指定参数的观测量数目占总数的百分比。Number above选项，大于指定观测量数。Number below选项，小于指定观测量数。percentile选项，百分位数。课堂练习2：试生成19881992年各洲葡萄酒产量大于100万升国家占该地区国家总数的百分比条形图。试生成19881992年各洲葡萄酒产量小于100万升国家数量对比条形图。第三组包括两个函数选项：Percentage inside选项,落在low 和high框参数范围内的观测量数目占观测量总数的百分比。Number inside 选项，落在low和high框参数范围内的观测量数目。选择统计函数后，落在low和high框内指定下限，上限值，可以是小于等于7个字符的值，两个参数在自变量范围内，且lowpie顺序打开圆图主对话框。由于spss系统在groups菜单中只提供了单圆图，所以仅有3种统计量描述模式。观测量分类模式圆图例：打开data17-07,做出1993年俄罗斯每季度失业人口（万人）饼图。步骤：选择summaries for groups of cases（1） slices represent栏，设置扇面表达的统计。选择other summary function项，再选入runs变量进入variable框，runs变量的统计量为sum.（2） Define slices by 框，确定扇面分类变量框内选入sea变量作为扇面分类变量。变量模式圆图选summaries of separate variables 项，单击define打开data17-07数据文件，试作出1993年部分独联体国家失业人口。观测值模式圆图选variables of individual cases,试做出1993年乌克兰每月失业人口五 高低图高低图是用一种说明某些现象在单位时间内变化情况的统计图。它适合描述每小时，每天，每周等时间内不断波动的市场信息资料，如股票，商品价格，货币牌价等，高低图既说明某些现象在短时间内的变化，也可以说明它们长期的变化趋势。本节用上海证券交易所的若干支股票的价格变化形成3个数据文件，这些资料来源于1996年第14、第15和第16期的证券研究。1. 1996年4月1日至4月19日上证所地产类股票价格，数据文件编号data17-08.Cat变量：券种（兴业房产，黄蒲房产，浦东金桥，众城失业，外高桥，陆家嘴，中华实业，商业网点）；Hlc变量：最高、最低和收盘价；Data变量：日期；Value变量；价格。2. 1996年4月1日至4月19日上证所北京地区股票价格，数据文件编号data17-09.Week表示周次；data表示日期；bl-hi北京股票最高价，bl-lo北旅股票最低价，bl-cl北旅股票收盘价；wfj王府井股票；br北人股票；chx城乡股票；tq天桥股票；tl天龙股票。3数据文件data17-10是1996年4月1日至4月19日上证所几支工业和商业股票的价格。变量有：data（日期）、cat（股票名称：济南轻骑，华北制药，四川长虹，洛阳玻璃，广钢股份，新世界，豫园商城，万象集团，友谊集团，西藏明珠）、high(最高价)、low(最低价)、close（收盘价）、group（券种：Industry,Commerce）.7.5.1选择高低图类型Graphs-high-low1. 高低图图式（1） simple high-low-close 简单高低收盘图，表示单位时间内某现象最高数值、最低数值和收盘数值。这种图形适用于股票、期货和外汇金融等，它可说明每天最高价格、最低价格和收盘时的价格。（2） simple range bar简单级差图，或称为单式全距图，表明单位时间内某现象最高数值和最低数值。它与单式高低收盘图的区别是省去了收盘数值。（3） clustered high-low-close 分组高低收盘图，表示单位时间内两个或两个以上现象的最高数值、最低数值和收盘数值。（4） clustered ranger bar分组极差图，或称为复式全距图，它表示在单位时间内两个或两个以上现象的最高数值和最低数值。（5） difference line 距限曲线图，它是说明两个现象在同一时间内相互变化对比关系的线性统计图。2统计量描述形式（与条形图一致）（1）Summaries for groups of cases：观测量分类描述模式。这种模式对应分类轴变量中的每一种类观测量生成一个简单（分组或分段）图形。（2）Summaries of separate variables：变量描述模式。对应每个变量生成一个图形，即一个条或一个折点代表一个变量。这种模式至少要选两个或两个以上、相同或不同的变量。（3）Values of individual cases：观测值模式，对应分类轴变量中的每一观测值生成一个图形。7.5.2观测量分类模式简单高低收盘图打开data17-08,试生成1996年4月1日至19日地产类股票每天最高价、最低价和收盘价变化图。选择simple high-low-close和summaries for groups of cases,单击define步骤：1. bars represent 栏选择other summary function,将value变量选入variable框，统计量函数选mean2. category axis分类轴变量：选择date变量作为分类轴变量3. define high-low-close by确定高低收盘变量：选择hle变量作为高低收盘变量，所生成条图的上端代表最高价，下端代表最低价，中间的方块代表收盘价。 7.5.3变量模式分组高低收盘图打开data17-09，试生成1996年第14、第15和第16周城乡股票、北人股票以及天桥股票对比变化图。步骤：选择clustered high-low-close和summaries of separate variables选项，单击define1. high 框中的变量将作为条图的上端值2. low框中的变量将作为条图的下端值。3. close框中的变量将作为条图的方块，是收盘值。4. category axis框内的变量week作为分类轴。说明： high 和low框中必须选有变量，而close框则可选入或不选入变量，如果在close框没选入变量，则最后生成的图形就没有最后数值的标记（方块）。Variable set M of Nwithin clusters显示N套变量组中的第M套变量；当选择完一套变量后，即在high、low、close框中分别选入了一套变量的最高价、最低价或收盘价变量后，单击next并出现提示录入下一套变量。本例中录入三套变量（chx-hi、chx-lo、chx-cl，tq-hi、tq-lo、tq-cl和br-hi、br-lo、br-cl）,录入完第一套chx变量，单击next按钮并出现variable set 1 of 1 with clusters提示；如果录入完这三套变量，文字提示将显示variable set 3 of 3 within clusters,其含义为当前的这些变量是三套分组变量中的第三套变量。要修改第二套变量，单击previous按钮，文字提示显示variables set 2 of 3 within clusters,即为三套变量组中的第二套变量，同时在相应变量框内显示第二套变量的high、low和close变量。7.5.4观测值模式简单高低收盘图打开data17-09，试生成1996年4月1日至19日北旅股票每日变化图。选择 simple high-low-close和variables of individual cases选项将bl-hihigh框 bl-lolow框 bl-clclose框Category labels选择variable,并将date变量选入。7.5.5观测量分类模式简单极差图选择simple range bar 和summaries for groups of cases打开data17-10,试生成1996年4月1日至19日工业股票和商业股票每日收市平均价对比图。步骤：1.将变量close选入other summary function,统计量函数为mean2.data变量category axis.3.defin 2 groups by 确定极差图两端变量：极差图两端各代表不同的变量值，因此这个变量只能有两个变量值，通过级差图的长短表示整个变量值的差距。选择group为两端变量，在define 2 groups by:框中显示变量名group.7.5.6变量模式简单极差图选择simple range 和summaries of separate variables打开data17-09,试生成1996年第14、第15和第16周天桥股票最高和最低价格对比图。步骤：1 Bar pair represent极差图表达统计量：极差图两端各表达两个不同的变量。如果改变这两个变量的统计函数，参考以前讲过的内容。（1）1st 第一变量：tq-hi变量作为第一被描述的变量。 （2）2nd第二变量： tq-lo作为第二被描述的变量。 2. category axis 选择week作为分类轴变量。7.5.7观测值分类分组极差图 选择clustered range bar和variables of individual cases,单击define 打开data17-09试生成1996年4月1日至19日每天北旅股票、北人股票和城乡股票最高价格与最低价格对比变化图。步骤：1 bl-hi1st框bl-lo2nd框2. chx-hi1st ,chx-lo2nd框3. br-hi和br-lo分别进入1st 框和2nd框中，每步单击next进入下一步。4. 在category labels栏中选variable框，将date变量送入其下的框中。5.单击ok.7.5.8观测量分类模式差分线图 选择difference line 和summaries for groups of cases打开data17-25,试生成1019岁男女青少年最大心率对比图。步骤：选择 other summary function,将brvariable,统计函数为mean agecategory axis框 sex define 2 groups by框7.5.9变量模式差分图选择difference line 和summaries of separate variables，单击define打开data17-01,试生成19851994年北京和天津年平均气温对比图。在图形中，浅色代表天津年平均气温，深色代表北京年平均气温，浅色在上表示天津年平均气温高于北京年平均气温，而深色在上表示北京年平均气温高于天津年平均气温。步骤：1. 变量beijing1st ,变量tianjin2nd2. yearcategory axis框，单击ok.7.5.10观测值模式差分线图打开data17-05试生成19501985年我国社会文教支出与国防支出年对比图。选择difference和variables of individual cases，单击define步骤：Soc1stDef2ndCategory labels: 变量yearvariable八帕累托图（pareto charts）帕累托图（pareto charts）又可称为排列图或主次因素图。它作为改善质量管理活动中选择关键问题的一种工具，由于关键的多数和次要的多数现象具有普遍性，所以帕累托图也广泛应用于其他研究领域。7.8.1选择帕累托图类型1.帕累托图图式（1）simple简单帕累托图，它对分类轴上的每一种类型的变量产生一条图，并按各种因素发生次数的多少，从左到右顺序排列，帕累托图曲线对分类轴上的每各变量值进行累加。（2）stacked堆栈帕累托图，是由分段条形图和帕累托图曲线构成的统计图。2统计量描述模式（1） counts or sums for grouos of cases观测量分类数目或数值累加模式，这种模式统计分类轴上的不同观测值数目，或是对分类轴上观测值累加。（2） sums of separate variables 变量累加模式，累加分类轴上每个变量。（3） values of individual cases观测值模式，对分类轴变量的每一种观测值累加。根据帕累托图图式和统计量的描述模式的选择组合，共可生成6种不同类型的帕累托图。7.8.2观测量分类数目或数值累加模式简单帕累托图选择simple 和counts or sums for groups of cases项，单击define1. bars represent 条图表达统计量栏，条图可以表达字符和数值型两种不同类型的变量（1） counts计数，只适用于字符型变量。（2） sums of variable变量累积，适用于数值型变量，被选定的变量在微框中显示。2.Category axis选择分类轴变量框3.display cumulative line,系统默认为选定状态；选此项，显示帕累托曲线（累积曲线）打开data17-11，在bars represent框中选择counts,选择cat变量作为分类轴变量，生成切削刀质量帕累托图，通常把累积百分比分为三部分：080表示主要因素（A类），8090表示次要因素（B类），90100表示一般因素（C类）。打开data17-12,在bars represent 框中选择sum of variable,选择nurse变量进入微框，并选择cont变量作为分类轴变量，生成的图形为各洲护士人数排列图。7.8.3变量累加模式简单帕累托图打开data17-12试生成世界各地从事各种医疗保健人员的帕累托图。选择simple 和sums of separate variables项，单击define 1. variable 变量框：将dentist、doctor、nurse、phar和widwise变量选入此框。2. options缺失值处理方式：选择exclude cases variable by variable3. display cumulative line显示帕累托曲线（累积曲线）7.8.4观测值模式简单帕累托图打开data17-13,试生成汽车空调蒸发器故障帕累托图选择simple 和variables of individual cases步骤：CountvaluesProcatvariable从图中可以了解到丢失螺丝是造成故障的最主要原因。7.8.5观测量数目或数值累加模式堆栈帕累托图选择stacked 和counts or sums for groups of cases打开data17-14（1）试生成各洲具有加工制造业工厂的国家数目帕累托图。步骤：在Bars represent框选counts,将cont作为分类轴变量，选cat 作为分段变量。单击ok（3） 试生成各洲具有加工制造业工厂数量帕累托图。步骤：在Bars represent框选择sums of variable选项，然后将count变量选入此框,将cont作为分类轴变量，选cat 作为分段变量。单击ok7.8.6变量累加模式堆栈帕累托图打开data17-12,试生成各洲各类医疗人员总数帕累托图。步骤：将变量：doctor、dentist、nurse、phar、mmidwifevariables将变量：Contcategory axis7.8.7观测值模式堆栈帕累托图选择stacked 和variables of individual cases选项，单击define打开data17-15,试生成各年龄段司机交通事故例数帕累托图将变量agevariable,其余变量选入values,点击ok九 控制图（control charts）控制图（control charts）又叫管理图,它主要用于分析和判断生产工序是否处于稳定状态所使用的一种带有控制界限的统计图。虽然它始于产品质量的控制，但以后推广到生产领域以外的许多方面，诸如医学，金融等领域。控制图可以大致分为两类：一类是计量值控制图，另一类是计数控制图，在实际应用中，这两类控制图常常是组合使用。7.9.1选择控制图类型1.控制图图式（1）X-bar,R,s本项包括两种组合控制图，X-Bar,R平均值-极差组合控制图和X-Bar,s平均值-标准差组合控制图。（2）individuals, moving range,单值-移动极差组合控制图。（3）p,np,包括p不合格品率和np不合格品数两种控制图。（4）c,u,包括c缺陷数控制图和u单位缺陷数控制图。2.数据编排方式（data organizationg）的选择（1）cases are units 观测量组结构数据。如data17-16数据结构。（2）cases are subgroups变量组结构数据选择此项。如data17-17数据结构。两个数据文件原始数据相同，结构不同，生成的图形相同。根据控制图图式和数据编排方式的选择组合，共可生成7种不同类型的控制图。7.9.2观测量组结构的平均值、极差、标准差控制图选择X-bar,R,s和cases are units根据data17-16,做出每日三班电解工序的电解效率的平均值-极差控制图。Data17-16为某厂1988年6月1日至30日每日早中晚三班电解工序的电解效率。其中有变量：no (日期)三班的电解效率分为3个变量排列，m为早班电解效率，a为中班电解效率，n为晚班电解效率，这种结构又称变量组结构。步骤：1. eecprocess measurement(工序测量),本例中eec变量作为被测对象。2. subgroups defined by 选定date变量为细分组变量，送入该框。不选择标识细分组变量，系统自动生成序号。3. charts图形描述模式，有两种组合图形：（1）X-bar and range平均值-极差控制图。（2）X-bar and standard deviation平均值-标准差控制图。这两个组合控制图的使用区别：前者用于细分组中样本数量较小的资料，后者用于细分组中样本数量较大（大于10）的资料。本例选X-bar and range4. 单击options，出现X-bar,R,S:options对话框（1） number of sigmas选择中心线上、下的标准差数值，默认为3。（2） minimum subgroup sample size指定细分组中最小样本数，默认值为2。（3） display subgroups defined by missing values缺失值作为细分组显示。7.9.3 观测量组结构的单值-移动极差控制图选择individuals, moving range和cases are units打开data17-18试做出混凝土坍落度的单值-移动极差控制图。1. value process measurement2. nosubgroups labeled by3. chart 图形描述形式：（1） individuals and moving range,单值-移动极差控制图，本例选定该项。（2） individuals单值控制图（3） span间距，确定从哪个观测量开始工作，默认值为2。4. individuals and moving range：options单值-移动极差控制设定。有关控制图只介绍这些，有兴趣同学可以参考其他相关资料查阅学习。十 箱图和误差图箱图（boxplots）又称箱线图，是一种描述数据分布的统计图形，利用它可以从视觉的角度观察变量值的分布情况。箱图主要表示变量值的中位数、第25百分位数、第75百分位数等统计量。误差图（error bar charts）是一种描述数据总体离散的统计图形，利用它可以从视觉的角度观察样本的离散程度，误差条图表达平均数的置信区间、标准差或标准误。在误差条图中，小方块表示平均数，图形的两端为置信区间、标准差或标准误。7.10.1 选择箱图和误差条图类型GraphsboxplotGraphserror bar7.10.2观测量分类模式简单箱图在箱图主对话框中选择simple 和summaries for groups of cases,单击define打开data02-01，做出不同岗位银行职员当前工资的箱线图。1. salnowvariable2. jobcatcategory axis3. label cases by 选择标识观测量的变量，该变量值将对箱体外的观测量进行标识。本例选择sex作为标识变量，箱体外的点“male”是男性的标识，“female”是女性的标识。7.10.3观测量分类模式简单误差条图选择simple 和summaries for groups of cases打开data17-25,做出各年龄组受试者体重均值95置信区间的误差条图，在分类轴上N行的数值为每类的数量。1. weightvariable2. agecategory axis3. bars represent 有3各选项：（1） confidence interval for mean均值置信区间，在level:n%框中输入需要的水平值（2） standard error of mean均值标准误，multiplier框中可根据需要输入均值标准误的倍数。（3） standard deviation 标准差选项，multiplier框中可根据需要输入标准差的倍数。7.10.4变量模式简单箱图选择simple 和summaries of separate variables 打开数据data02-01,试做出银行职员初始工资和当前工资的箱线图。1. salbeg和salnowbox represent2. label cases by 选择标识观测的变量，为使画面清晰，本例不选标识观测量。7.10.5观测量分类模式分组误差图选择clustered和summaries for groups of cases打开data17-25做出男女各年龄组身高两倍标准差范围的误差条图。hightvariableagecategory axissexdefine clusters bybar represent 选择standard error of mean multiplier填2。单击ok7.10.6变量模式分组箱图选择clustered和summaries of separate variable打开data02-01,分类轴变量选择jobcat(职务等级)，做箱图的变量选择salary(当前工资)、salbegin（起始工资），做出不同职务银行职员初始工资和当前工资的箱线图。十一 散点图散点图（scatterplots）又称散布图或相关图，它是以点的分布反映变量之间相关情况的统计图形，根据图中的各点分布走向和密集程度，大致可以判断变量之间协变关系的类型。7.11.1散点图图式Graphsscatterplot系统提供4种散点图1. simple 简单散点图，只显示一对相关变量的散点图。2. overlay重叠散点图，可显示多对相关变量的散点图。3. matrix矩阵散点图，在矩阵中显示多个相关变量之间的散点图。4. 3D 三维散点图，显示三个相关变量之间的散点图。7.11.2简单散点图选择simple单击define打开data17-25试做出男女受试者最大吸氧量与负荷时间的简单相关图。1.Y axisY轴变量框，本例选择wp作为Y轴变量。2.VO2x axis3.set markets by 设定散点标记。实际上将散点图分类标记，用不同颜色表示不同变量值，或是用不同符号加以区分。本例选sex作为散点标记的变量。从生成的图形可以看出，以空点标记“female”值，以实点标记“male”值。4.label cases by 选择标识观测量的变量，若选择age变量，图中各点标识年龄，每个点最多可用20个字符标识。5.在labels cases by 框内选择标识变量，单击options,再确定是否显示观测量的标识，选中display chart with case labels所选的标识变量才有效。为了使图像清晰，故均未选择该项。7.11.3重叠散点图选择overlay 打开data17-25试做出舒张压与体重与体重、身高与体重的重叠相关图。1. dp-weight、work-weight和height-weighty-x pairs 单击swap pairs可调换y-x轴变量的位置。2. current selections显示当前变量中的变量：variables 1为第一个被选择的变量； variables 2为第二个被选择的变量。此显示记录过程方面了用户。7.12.4矩阵散点图选择matrix打开data17-25做出男女受试者最大吸氧量、肺活量和最大心率矩阵散点图。1. matrix variables矩阵变量框选择两个或两个以上的变量。本例将vo2、vc和hrm变量作为被描述的变量。大家注意矩阵变量框内的变量顺序与矩阵散点图对角线变量的顺序。2. set markers by 设定三点标记，本例选择sex作为散点标记。7.12.5三维散点图选择3-D打开data17-25做出受试者体重、身高和年龄三维散点图。步骤：weighty axishightx axisagez axissexset markers by单击ok 十三 直方图直方图(histogram)是一组无间隔的直条，表现频数分布特征的统计图，直方图的每一条的高度代表相应的组别的频数。本例用到的数据:Data17-26为某市150名3岁女童身高（cm）,变量有:case(观测量序号)、height(身高)。Data17-27为1971年某市调查200例正常人血铅含量（g/100g）,变量有：case(观测量序号)、pb(血压铅含量)。7.12.1直方图的生成Graphshistogram1. variable 选择被描述的变量送入此栏（1） data17-26,选择height做描述变量，做出带有正态曲线的某市150名3岁女童身高直方图。（2） data17-27，选择pb做描述变量。做出带有正态曲线的某市200例正常人血铅含量直方图。2. display normal curve,在生成的直方图上显示正态曲线。十三 P-P和 Q-Q概率图P-P概率图（P-P probability plots）是根据变量的累积比例对所指定的理论分布累积比例绘制的图形，它是一种直观的探查样本数据是否与某个概率分布的统计图一致，如果在被检验的数据符合所指定的分布，代表样本数据的点分布在一条直线上。Q-Q概率图（Q-Q probability plots）是根据变量分布的分位数对所指定的理论