01第1章--统计、数据和计算机T6

1、2020-9-2,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,统计名言,第 1 章 统计、数据和计算机,1.1 统计及其应用领域 1.2 怎样获得统计数据? 1.3 统计与计算机,Statistics,2020-9-2,学习目标,统计学的含义 统计学的研究内容 统计的应用领域 统计数据的类型 获得统计数据的途径 了解一些常用的统计软件,2020-9-2,怎样理解这样一些统计结论？,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

2、升维生素C，生命可延长6年 上课坐在前面的学生平均考试分数比坐在后面的学生高 漂亮的女性有损男性的智力。男性在看到漂亮女性时智力会下降，这就是为什么大学里的女孩子比男孩子学习好的原因 中科院空间环境研究预报中心专家称，在神舟七号载人航天飞行期间，飞船遭遇空间碎片的概率在百万分之一以下,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、数据和计算机,1.1.1 统计学研究什么？,1.1 统计及其应用领域,2020-9-2,什么是统计学? (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

3、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,2020-9-2,统计学研究什么？,统计学没有固定的对象，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,2020-9-2,统计方法,2020-9-2,描述统计和

4、推断统计,研究数据收集、整理和描述的统计学方法 内容 搜集数据 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,研究如何利用样本数据来推断总体特征的统计学方法 内容 参数估计 假设检验 目的 推断总体特征,1.1.2 统计的应用,1.1 统计及其应用领域,2020-9-2,统计的应用领域,【例1-1】用统计识别作者 17871788年，三位作者Alexander Hamilton，John Jay和James Madison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

5、的频数进行统计分析，得出的结论是，James Madison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James Madison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,2020-9-2,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

6、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,2020-9-2,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Thio

7、kol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,2020-9-2,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

8、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,2020-9-2,统计学的误用与滥用,格言 有三类谎言：谎言、糟透的谎言和统计 图并没有说谎，是说谎者在画图 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,2020-9-2,统计学的误用与滥用,统计应用上的两个极端 不用或几乎不用统计 简单问题复杂化

9、 简单的方法不一定没用，复杂的方法也不一定有用。正如有的学者所说的，最简单的模型往往是最有用的 统计应该恰当地应用到它能起作用的地方。不能把统计神秘化，更不能歪曲统计，把统计作为掩盖实事的陷阱,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、数据和计算机,1.2.1 变量与数据,1.2 怎样获得统计数据,2020-9-2,变量与数据,变量(variable) 描述所观察对象某种特征的概念 企业的销售额；股票市场上涨股票的家数；学生的生活费支出；投掷一枚骰子观察其出现的点数，等等都是变量 数据(data) 变量的观测结果,2020-9-2,变量分类,类

10、别变量(categorical variable) 取值为事物属性或类别以及区间值的变量，也称分类变量(classified variable)或定性变量(qualitative variable) 如，性别、公司所属的行业、用户对商品的评价，学生月生活费支出的档次分为1000以下、10001500、15002000、2000以上4档 类别变量根据取值是否有序分为两种 名义(nominal)值类别变量也称无序类别变量，取值是不可以排序的 顺序(ordinal)值类别变量也称有序类别变量，取值间可以排序 类别变量只取两个值时也称为二值(binary)类别变量，例如“性别”，二值变量可以看成名义变

11、量，也可以看成有序变量,2020-9-2,变量分类,数值变量(metric variable) 取值为数字的变量，也称为定量变量(quantitative variable) 数值变量的观察结果称为数值数据(metric data)或定量数据 数值型变量根据其取值的不同，分为离散变量(discrete variable)和连续变量(continuous variable) 离散型变量是只能取有限个值是变量 连续型变量是可以在一个或多个区间中取任何值的变量,2020-9-2,变量分类,1.2.2 数据的来源,1.2 怎样获得统计数据,2020-9-2,数据的来源,寻找二手数据 抽取样本 总体(p

12、opulation)：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(sample size)：构成样本的元素的数目 概率抽样方法,2020-9-2,概率抽样(probability sampling),根据已知的概率来抽取样本元素，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,2020-9-2,简单随机抽样(simple random sampling),从总体N个单位(元素)中随

13、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,2020-9-2,简单随机样本(simple random sample),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,2020-9-2,分层抽样(st

14、ratified sampling),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,2020-9-2,系统抽样(systematic sampling),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,2020-9-2,整群抽样(cluster sampling),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,用计算机生成随机数和简单随机样本,软件应用,生成两个指定数之间的随机数,Excel,抽取简单随机样本,Excel,2020-9-2,用Excel抽取简单随机抽样,