第三章 数据整理与图表展示.ppt

1、案例：如何描述不同原因引起的寿命损失 文字：未结婚的男性会使寿命减少3500天，女性则减少1600天；吸烟的男性会使寿命减少2250天，女性则减少800天；饮酒会使寿命减少130天；超重会使寿命减少1300天；滥用药物会使寿命减少90天 表格 图形 Q：哪一种方式更好？,第三章 数据整理与图表展示,表3-1 不同原因引起的寿命损失,图3-1 不同原因引起的寿命损失,第三章 数据整理与图表展示,学习目标 了解统计数据的预处理方法 掌握非数值型数据的分类整理和图示 掌握数值型数据的分组整理和图示 重点：频数分布表绘制；各种统计图的绘制，并能解释其含义,一、数据审核(data auditing) 原

2、始数据 数据审核的内容和方式 二、数据筛选(data filter) 举例 表3-2是8名学生4门课程的成绩数据。 请找出统计学成绩等于87分的学生，英文成绩前5名的学生，四门课成绩均大于70分的学生。,3.1 数据的预处理,表3-2 8名学生的成绩数据,三、数据排序 举例 财富 2011全球500强企业 福布斯 2011全球富豪排行榜 2011 中国大学排行榜 四、数据透视表(Pivot Table) 按使用者要求对数据表重要信息进行汇总后的结果 Note：Excel的特色功能（举例）,财富 2011全球500强企业,单位：百万美元,一、数据分组（Data Grouping）(P31) 根据

3、研究现象特点和数据分析目的，将原始数据按照总体单位的某一特征分为不同的组别。 分组数据 分组标志 非数值型数据分组和数值型数据分组,3.2 非数值型数据的分类整理和展示,二、非数值型数据分组（分类）(P32) 反映事物自然属性的非数值型数据的分组 反映事物社会经济属性的非数值型数据的分组 城镇家庭 “可支配收入” 分组,3.2 非数值型数据的分类整理和展示,表3-3 20002009年 江苏省城镇家庭可支配收入分组表 （单位：元）,图3-4 20002009年江苏省城镇家庭可支配收入水平折线图,三、定类数据的整理和展示 1. 频数与频数分布（Frequency Distribution）(P3

4、8) 频数 频数分布表 频率(比例) 举例-1（P38） 按性别的人口构成（表3-4）,3.2 非数值型数据的分类整理和展示,表3-4 2001-2003年我国按性别分人口数及构成 资料来源：2004中国统计年鉴. 北京. 中国统计出版社 2004 Q：统计学中怎么称呼分配在各组的单位数及其相对形式？,统计分组,分配在各组的单位数及其相对形式,1. 频数与频数分布（Frequency Distribution） 举例-2 表3-5是调查员随机观察的50名顾客购买的饮料类型及购买者性别记录。 要求：生成频数分布表，观察饮料类型和顾客性别的分布状况，并进行描述性分析。,三、定类数据的整理和展示,说

5、明：F女； M男；ts碳酸；lc绿茶；kqs矿泉水；gz果汁；qt其它,表3-5 顾客性别及购买的饮料类型,Excel结果： 表3-6 不同类型饮料和顾客性别的频数分布,2. 定类数据的图示 （1）条形图（Bar Chart） 用宽度相同的条形的高度或长短表示数据频数。,图3-5 饮料类型的条形图,图3-6 饮料类型和顾客性别的复式条形图,2. 定类数据的图示 （2）饼图（Pie Chart） 主要用于说明一个样本各部分所占比例，或者总体 内部结构分析。,图3-7 不同类型饮料构成的饼图,2. 定类数据的图示 （3）环形图（Doughnut Chart） 主要用于显示多个样本各部分所占的相应比

6、例，有助于构成的比较研究。 举例 表3-7是某年北京、上海和天津地区按收入法计算的地区生产总值（按当年价格计算）数据。 请绘制环形图比较三个地区的生产总值构成。,表3-7 某年北京、上海和天津地区生产总值构成 单位：亿元,图3-8 北京、上海和天津地区生产总值构成 的环形图,四、定序数据的整理和展示 1. 累积频数与累积频率（P38） 累积频数 向上/向下累积 累积频率 举例 关于城市住房问题的研究中，研究人员对两个城市各抽样调查300户，其中一个问题是：“您对家庭目前的住房状况是否满意？” 调查结果的频数分布表如表3-8、表3-9。,3.2 非数值型数据的分类整理和展示,表3-8 甲城市家庭

7、对住房状况评价的频数分布,表3-9 乙城市家庭对住房状况评价的频数分布,2. 定序数据的图示 举例：根据表3-7的数据绘制累积频数分布图。,图3-9 甲城市家庭对住房状况评价的累积频数分布图,一、数值型数据分组与频数分布 1. 数值型数据分组 根据统计研究需要，将原始数据按某种标准分成不同的组别。 关键：选择分组变量和划分各组界限 2.数值型数据分组的结果 形成频数分布表 两个构成要素 各组的分组界限 每组中的频数、频率,3.3 数值型数据的整理和图示,频数分布举例（表3-10）,3. 数值型数据分组方法（P33）,一、数值型数据分组与频数分布,（1) 单变量值分组 每一个变量值作为一组的分组

8、方式。 举例 某学院某年毕业研究生发表论文篇数的频数分布表（表3-11）,（2) 组距分组 将全部变量值依次划分为若干个区间，将每一区间的变量值作为一组。 适合于连续变量或变量值较多时。 遵循“不重不漏”的原则。 等距与不等距分组。,基本概念 组限 上限(U ) / 下限(L) 组距（d） 间断/重合组限 闭口/开口组限 闭口组/开口组 Note：在采用重合组限场合，一般采用“上限不在内” 的统计惯例。（P35）,怎样进行等距分组（结合例子） 确定取值范围 确定组数： Sturges 经验公式 计算组距： 确定各组祖限（多种形式） Note：三种常用的等距分组表（表1315） 根据分组整理成频

9、数分布表,已知某电脑公司2009年912月每天的销售量数据。 要求进行数据分组。 确定取值范围（R=96） 确定组数（H=10） 计算组距（d=10） 确定各组祖限 根据分组整理成频数分布表,等距分组 举例,表3-12 某电脑公司销售量的频数分布,等距分组 举例,等距分组表（上下组限间断）,等距分组表（上下组限重叠，上组限不在内）,等距分组表（使用开口组）,4. 组中值(Class Midpoint)（P36） 如何计算及举例 (P36-37) 对于重合组限分组：(上限+下限)/2 对于间断组限分组：(上组下限+本组下限)/2 对于重合组限开口组： 缺少下限的组中值=本组上限-邻组组距/2 缺

10、少上限的组中值=本组下限+邻组组距/2 对于间断组限开口组： 缺少下限的组中值=邻组下限-邻组组距/2 缺少上限的组中值=本组下限+邻组组距/2,一、数值型数据分组与频数分布,表3-16 2003年我国按年龄和性别分人口数及组中值,Note：数据分组的要点和基本概念 统计分组 基本概念：R、K、d、组中值； 祖限、间断祖限、重合组限、开口组、闭口组； 频数、频数分布、频率、累积频数、累积频率。,非数值型数据分组,数值型数据分组,单变量分组,组距分组,等距分组,异距分组,5. 等距分组的应用（教材：P46）,例3.1 某学期某班35名学生的统计学考试成绩的原始数据如下： 92，87，75，74，

11、65，91，98，78，84，83， 78，96，62，84，76，52，69，84，81，88， 70，91，89，87，75，79，82，86，79，82， 64，90，56，84，89 问题：对该班学生的统计学考试成绩，采用重合组限和开口组限设置进行等距分组、计算组中值和频数分布，编制统计表和统计图。,一、数值型数据分组与频数分布,Excel 应用,例3.1 某学期某班35名学生的统计学考试成绩的原始数据如下： 92，87，75，74，65，91，98，78，84，83，78，96，62，84，76， 52，69，84，81，88，70，91，89，87，75，79，82，86，79，8

12、2， 64，90，56，84，89,1. 计算取值范围 排序、确定最大值和最小值为98和52，计算得R=46(分) 2. 确定组数和组距 H=5，d=46/5=9.11 (分)，取整，d为10分 3. 计算频数分布 4. 计算组中值 5. 绘制直方图和折线图,3. 计算频数分布(上限不在内） 98、96、92、91、91、90 （共6人） 89、89、88、87、87、86、84、84、84、84、83、82、82、81 （共14人） 79、79、78、78、76、75、75、74、70（共9人） 69、65、64、62（共4人） 56、52（共2人） 4. 计算组中值,表3-17 35名学生

13、统计学成绩统计表,常用统计图,二、数值型数据的图示,二、数值型数据的图示,分组数据：直方图(Histogram) 用来展示数值型分组数据分布的常用图形。 在统计分组的基础上，用矩形的宽度和高度表示频数分布。 注意对不等距分组：纵轴必须表示为频数密度 频数密度=频数/组距 (面积之和=总频数) 举例 等距分组 不等距分组,某会计师事务所对20家公司进行年终审计所需时间（天）的频数分布表（表3-18）,直方图（等距分组）,直方图（等距分组）,我一眼就看出来了，审计时间在1520天之间的公司数最多!,图3-10 审计时间直方图（等距分组）,某会计师事务所对20家公司进行年终审计所需时间（天）的频数分

14、布表（表3-19）,直方图（不等距分组）,图3-11 审计时间直方图（不等距分组）,二、数值型数据的图示,2. 折线图(Frequency polygon) 在直方图的基础上，把直方图顶部的中点(组中值)用直线连接起来，再将原来的直方图抹掉。 折线图的两个终点应与横轴相交。 组数越多，组据就越小，折线图就越光滑，趋近于一条平滑曲线，即频数分布曲线。 举例,折线图与直方图 下的面积相等！,图3-12 审计时间折线图,图3-13 学生统计学成绩直方图,图3-14 在直方图基础上绘制的折线图,图3-15 学生统计学成绩折线图,二、数值型数据的图示,3. 未分组数据：茎叶图 (Stem-and-Lea

15、f Display) 用于显示未分组的原始数据的分布。由“茎”和“叶”两部分构成，其图形是由数字组成的。 通常以数据的高位数值作树茎，低位数字作树叶。 举例,原始数据：24, 26, 24, 21, 27, 27, 30, 41, 32, 38 从小到大排序后的数据： 21, 24, 24, 26, 27, 27, 30, 32, 38, 41 茎叶图（图3-16）：,3 0 2 8,4 1,2 1 4 4 6 7 7,茎叶图,30,40名教师的年龄的数据： 40，41，48，51，37，35，36，50，33，42，28，33，36，29，28，29，34，35，27，36，28，29，34

16、，26，35，40，27，43，45，39，42，41，48，55，43，42，42，51，52，64,SPSS 生成的一个茎叶图,4. 时间序列数据：线图(Line Chart),图3-17 1996年-2003年城乡居民人民币储蓄存款年底余额,二、数值型数据的图示,Note: 增长速度 ?,3.4 绘制图表的要点,（不恰当）统计图举例,不必要的三维效果：三维图形可能比二维图形更能吸引读者的注意，但只能用来反映变化的趋势，不能用来进行精确的比较。,Note: 避免选用不恰当图形类型,1960: $1.00,1970: $1.60,1980: $3.10,1990: $3.80,Minimum Wage,不好的图形,Quarterly Sales,不好的图形,0,100,200,Q1,Q2,Q3,Q4,$,Note: 避免压缩纵轴,Monthly Sales,不好的图形,36,39,42,45,J,F,M,A,M,J,$,Note: 避免纵轴无零点,Monthly Sales,0,39,42,45,J,F,M,A,M,J,$,36,一、统计图绘制要点 图形类型选择恰当，刻度、长宽比例合理，能准确显示数据中包含的信息。 图形尽量简约。 图形应该有清楚的标题和必要的说明。 反复加工和修改是获得优秀统计图形的重要步骤。,3.4 绘制图表的要点,二、统计表设计要求,