统计和统计数据.ppt

July30,2010,举出一个统计没有用途的领域名称比举出一个统计作为其组成部分的领域名称要困难得多。RobertJohnson,第1章统计和统计数据,1.1统计及其应用领域1.2怎样获得统计数据?1.3SPSS简介,July30,2010,你相信这样的一些统计结论吗？,吸烟对健康是有害的，吸香烟的男性减少寿命2250天不结婚的男性会减少寿命3500天，不结婚的女性会减少寿命1600天身体超重30%会使寿命减少1300天每天摄取500毫升维生素C，生命可延长6年身材高的父亲，其子女的身高也较高第二个出生的子女没有第一个聪明，第三个出生的子女没有第二个聪明，依此类推学生们在听了莫扎特钢琴曲10分钟后的推理测试会比他们听10分钟娱乐磁带或其他曲目做得更好上课坐在前面的学生平均考试分数比坐在后面的学生高,1.1统计及其应用领域1.1.1统计学研究什么？1.1.2统计的应用,第1章统计和统计数据,1.1.1统计学研究什么？,1.1统计及其应用领域,July30,2010,什么是统计学?(statistics),1.收集数据：取得数据2.处理数据：图表展示分析数据：利用统计方法分析数据数据解释：结果的说明得到结论：从数据分析中得出客观结论,收集、处理、分析、解释数据并从数据中得出结论的科学,July30,2010,统计方法,July30,2010,描述统计(descriptivestatistics),研究数据收集、整理和描述的统计学分支内容收集数据整理数据展示数据描述性分析目的描述数据特征找出数据的基本规律,July30,2010,推断统计(inferentialstatistics),研究如何利用样本数据来推断总体特征的统计学分支内容参数估计假设检验目的对总体特征作出推断,July30,2010,统计学研究什么？,物理学研究的是如热、光、电、运动规律那样的自然现象化学家测定物质的组成及化学元素之间的交互作用生物学家研究植物和动物的生活数学家则在给出的假定之下沉溺于他自己推演各种命题的游戏这些学科中的每一门都有它自己的问题，而且有解决这些问题的各自的方法，各学科为此而成为一门单独的学科,July30,2010,统计学研究什么？,统计学没有任何固定的对象，是一门独特的学问统计学研究的是来自各领域的数据，由解决其他领域内的问题而存在并兴旺发达。按萨维奇(L.J.Savage)的说法：统计学基本上是寄生的。靠研究其他领域内的工作而生存。这不是对统计学的轻视，这是因为对很多寄主来说，如果没有寄生虫就会死。对有的动物来说，如果没有寄生虫就不能消化它们的食物。因此，人类奋斗的很多领域，如果没有统计学，虽然不会死亡，但一定会变得很弱。,July30,2010,统计是一种思维方式,统计思维总有一天会像读与写一样成为一个有效率公民的必备能力(H.G.Wells)在终极的分析中，一切知识都是历史；在抽象的意义下，一切科学都是数学；在理性的基础上，所有的判断都是统计学(C.R.Rao),1.1.2统计的应用,1.1统计及其应用领域,July30,2010,统计的应用领域,【例1.1】用统计识别作者17871788年，三位作者AlexanderHamilton，JohnJay和JamesMadison为了说服纽约人认可宪法，匿名发表了著名的85篇论文。这些论文中的大多数作者已经得到了识别，但是，其中的12篇论文的作者身份引起了争议通过对不同单词的频数进行统计分析，得出的结论是，JamesMadison最有可能是这12篇论文的作者。现在，对于这些存在争议的论文，认为JamesMadison是原创作者的说法占主导地位，而且几乎可以肯定这种说法是正确,July30,2010,统计的应用领域,【例1.2】用简单的描述统计量得到一个重要发现费舍(RAFisher)在1952的一篇文章中举了一个例子，说明如何由基本的描述统计量的知识引出一个重要的发现。20世纪早期，哥本哈根卡尔堡实验室的施密特(J.Schmidt)发现不同地区所捕获的同种鱼类的脊椎骨和鳃线的数量有很大不同；甚至在同一海湾内不同地点所捕获的同种鱼类，也发现这样的倾向然而，鳗鱼的脊椎骨的数量变化不大。施密特从欧洲各地、冰岛、亚速尔群岛以及尼罗河等几乎分离的海域里所捕获的鳗鱼的样本中，计算发现了几乎一样的均值和标准偏差值。由此，施密特推断所有各个不同海域内的鳗鱼是由海洋中某公共场所繁殖的。后来名为“戴纳(Dana)”的科学考察船在一次远征中发现了这个场所,July30,2010,统计的应用领域,【例1.3】挑战者号航天飞机失事预测1986年1月28日清晨，载有7名宇航员的挑战者号进入发射状态。就在发射前，有冰片牢附在机壳上。几分钟后，正当电视新闻报道它已进入轨道时，航天飞机在毁灭性的爆炸声中化成碎片，机上的宇航员片骨未存推动航天飞机进入太空的两个固体燃料发动机是由Thiokol公司制造的。失事前一天晚上，Thiokol公司的经理们和国家航空航天局就如期发射还是推迟发射产生了争执。天气预报发射时的气温为310F。争执的结果采纳了Thiokol公司经理们的建：按计划发射航天飞机。因为他们觉得没有确凿证据表明低温会对固体燃料火箭推进器的性能产生影响,July30,2010,统计的应用领域,【例1.3】挑战者号航天飞机失事预测在此次失事前，该航天飞机24次发射成功。将航天飞机送入太空的两个固体燃料推进器由6只O型项圈密封。在几次飞行中，曾发生过O型项圈被腐蚀或气体泄漏事故。这样的事故是及其危险的。前24次发射中有一次发动机遭到了永久性破坏。根据23次飞行中发生腐蚀或泄漏事故的次数(因变量)及火箭连接处的温度(自变量)数据，进行线性回归得到的回归方程为当温度为310F时，O型项圈发生事故的预计次数为2.225次。结果显示连接处的温度与O型项圈事故之间有一定的相关性。如果当时那些经理们看到了回归的预测结果，也许推迟发射会成为其谨慎的选择,July30,2010,统计的误用与滥用,大约在一个世纪以前，政治家BenjaminDisraeli曾有一个著名的论断：“有三类谎言：谎言、糟透的谎言和统计”。他还说：“图并没有说谎，是说谎者在画图”历史学家AndrewLang说，一些人使用统计“就像喝醉酒的人使用街灯柱支撑的功能多于照明”统计滥用不好的样本过小的样本误导性图表局部描述故意曲解,1.2怎样获得统计数据1.2.1变量与数据1.2.2数据的来源,第1章统计和统计数据,1.2.1变量与数据,1.2怎样获得统计数据,July30,2010,变量与数据,变量(variable)从一次观察到下一次观察会出现不同结果的某种特征观察一个企业的销售额，这个月和上个月有所不同；观察股票市场上涨股票的家数，今天与昨天数量不一样；观察一个班学生的生活费支出，一个人和另一个人不一样；投掷一枚骰子观察其出现的点数，这次投掷的结果和下一次也不一样“企业销售额”、“上涨股票的家数”、“生活费支出”、“投掷一枚骰子出现的点数”等就是变量数据(data)观察到的变量的结果,July30,2010,统计数据的分类,统计数据的分类,July30,2010,统计数据的分类(按计量尺度分),分类数据(categoricaldata)只能归于某一类别的非数字型数据对事物进行分类的结果，数据表现为类别，用文字来表述例如，人口按性别分为男、女两类顺序数据(rankdata)只能归于某一有序类别的非数字型数据对事物类别顺序的测度，数据表现为类别，用文字来表述例如，产品分为一等品、二等品、三等品、次品等数值型数据(metricdata)按数字尺度测量的观察值结果表现为具体的数值，对事物的精确测度例如：身高为175cm、168cm、183cm,July30,2010,统计数据的分类(按收集方法分),观测的数据(observationaldata)通过调查或观测而收集到的数据在没有对事物人为控制的条件下而得到的有关社会经济现象的统计数据几乎都是观测数据试验的数据(experimentaldata)在试验中控制试验对象而收集到的数据比如，对一种新药疗效的试验，对一种新的农作物品种的试验等自然科学领域的数据大多数都为试验数据,July30,2010,统计数据的分类(按时间状况分),截面数据(cross-sectionaldata)在相同或近似相同的时间点上收集的数据描述现象在某一时刻的变化情况比如，2005年我国各地区的国内生产总值数据时间序列数据(timeseriesdata)在不同时间上收集到的数据描述现象随时间变化的情况比如，2000年至2005年国内生产总值数据,1.2.2数据的来源,1.2怎样获得统计数据,July30,2010,数据的来源,寻找二手数据抽取样本总体(population)：包含所研究的全部个体(数据)的集合样本(sample)：从总体中抽取的一部分元素的集合样本量(samplesize)：构成样本的元素的数目概率抽样方法,July30,2010,抽样方法,July30,2010,概率抽样(probabilitysampling),根据一个已知的概率来抽取样本单位，也称随机抽样特点按一定的概率以随机原则抽取样本抽取样本时使每个单位都有一定的机会被抽中每个单位被抽中的概率是已知的，或是可以计算出来的当用样本对总体目标量进行估计时，要考虑到每个样本单位被抽中的概率,July30,2010,简单随机抽样(simplerandomsampling),从总体N个单位(元素)中随机地抽取n个单位作为样本，使得总体中每一个元素都有相同的机会(概率)被抽中抽取元素的具体方法有重复抽样和不重复抽样特点简单、直观，在抽样框完整时，可直接从中抽取样本用样本统计量对目标量进行估计比较方便局限性当N很大时，不易构造抽样框抽出的单位很分散，给实施调查增加了困难没有利用其他辅助信息以提高估计的效率,July30,2010,简单随机样本(simplerandomsample),由简单随机抽样形成的样本从总体N个单位中随机地抽取n个单位作为样本，使得每一个容量为n样本都有相同的机会(概率)被抽中参数估计和假设检验所依据的主要是简单随机样本,July30,2010,分层抽样(stratifiedsampling),将总体单位按某种特征或某种规则划分为不同的层，然后从不同的层中独立、随机地抽取样本优点保证样本的结构与总体的结构比较相近，从而提高估计的精度组织实施调查方便既可以对总体参数进行估计，也可以对各层的目标量进行估计,July30,2010,系统抽样(systematicsampling),将总体中的所有单位(抽样单位)按一定顺序排列，在规定的范围内随机地抽取一个单位作为初始单位，然后按事先规定好的规则确定其他样本单位先从数字1到k之间随机抽取一个数字r作为初始单位，以后依次取r+k，r+2k等单位优点：操作简便，可提高估计的精度缺点：对估计量方差的估计比较困难,July30,2010,整群抽样(clustersampling),将总体中若干个单位合并为组(群)，抽样时直接抽取群，然后对中选群中的所有单位全部实施调查特点抽样时只需群的抽样框，可简化工作量调查的地点相对集中，节省调查费用，方便调查的实施缺点是估计的精度较差,July30,2010,几种常用的统计软件(Software),典型的统计软件SASSPSSMINITABSTATISTICAExcelR,July30,2010,SPSS简介,SPSS的主窗口-数据浏览界面,July30,2010,Spss的主窗口-variableview变量浏览界面,July30,2010,File:文件操作完成文件的调入、存储、显示和打印等操作。,July30,2010,edit:文件编辑完成文本或数据内容的选择、拷贝、剪贴、寻找和替换等操作。,July30,2010,view:浏览编辑完成文本或数据内容的状态栏、工具栏、字体、网格线和数值标签等功能的操作。,July30,2010,data:数据管理完成数据变量名称和格式的定义，数据资料的选择、排序、加权、数据文件的转换、连接和汇总等操作。,July30,2010,transform:数据转换完成数据值的计算、重新编码和缺失值替代等