递减排序可表示为:
X
(1)>X
(2)>…>X(N)
数据的整理与显示
定类数据的整理与显示(基本问题)
要弄清所面对的数据类型,因为不同类型的数据,所采取的处理方式和方法是不同的;对定类数据和定序数据主要是做分类整理;对定距数据和定比数据则主要是做分组整理。
适合于低层次数据的整理和显示方法也适合于高层次的数据;但适合于高层次数据的整理和显示方法并不适合于低层次的数据。
定类数据的整理(基本过程):
1.列出各类别;2.计算各类别的频数;3.制作频数分布表;4.用图形显示数据。
可计算的指标:
1.频数:
落在各类别中的数据个数
2.比例:
某一类别数据占全部数据的比值
3.百分比:
将对比的基数作为100而计算的比值
4.比率:
不同类别数值的比值
定类数据的图示—条形图
条形图是用宽度相同的条形的高度或长短来表示数据变动的图形;条形图有单式、复式等形式
在表示定类数据的分布时,是用条形图的高度来表示各类别数据的频数或频率;绘制时,各类别可以放在纵轴,称为条形图,也可以放在横轴,称为柱形图
定类数据的图示—圆形图
也称饼图,是用圆形及园内扇形的面积来表示数值大小的图形
主要用于表示总体中各组成部分所占的比例,对于研究结构性问题十分有用
在绘制圆形图时,总体中各部分所占的百分比用园内的各个扇形面积表示,这些扇形的中心角度,是按各部分百分比占3600的相应比例确定的
定序数据的整理与显示
定序数据的整理(可计算的指标)
1.累计频数:
将各类别的频数逐级累加
2.累计频率:
将各类别的频率(百分比)逐级累加
品质数据的图示—环形图
环形图中间有一个“空洞”,总体中的每一部分数据用环中的一段表示
环形图与圆形图类似,但又有区别:
圆形图只能显示一个总体各部分所占的比例;环形图则可以同时绘制多个总体的数据系列,每一个总体的数据系列为一个环。
环形图可用于进行比较研究。
环形图可用于展示定类和定序的数据。
数值型数据的整理与显示:
数据分组
分组方法
单变量值分组(要点)
1.将一个变量值作为一组
2.适合于离散变量
3.适合于变量值较少的情况
组距分组(要点)
1.将变量值的一个区间作为一组
2.适合于连续变量
3.适合于变量值较多的情况
必须遵循“不重不漏”的原则;可采用等距分组,也可采用不等距分组
组距分组(步骤)
1.确定组数:
组数的确定应以能够显示数据的分布特征和规律为目的。
在实际分组时,可以按Sturges提出的经验公式来确定组数K=1+(lgn/lg2),其中n为数据的个数。
经验公式而已。
组距分组
2.确定各组的组距:
组距(ClassWidth)是一个组的上限与下限之差,可根据全部数据的最大值和最小值及所分的组数来确定,即:
组距=(最大值-最小值)÷组数
3.根据分组整理成频数分布表
几个概念
1.下限:
一个组的最小值
2.上限:
一个组的最大值
3.组距:
上限与下限之差
4.组中值:
下限与上限之间的中点值。
即组中值=(下限值+上限值)/2,这种代表值有一各必要的假设条件,即各组数据在本组呈均匀分布或在组中值两侧呈对称分布;否则,组中值作为一组数据的代表值会存在一定的误差。
等距分组表的几种形式:
(1)上下组限重叠;
(2)上下组限间断;(3)使用开口组
组距分组与不等距分组在表现频数分布上的差异:
等距分组:
各组频数的分布不受组距大小的影响;可直接根据绝对频数来观察频数分布的特征和规律。
不等距分组:
各组频数的分布受组距大小不同的影响;各组绝对频数的多少不能反映频数分布的实际状况,
需要用频数密度(频数密度=频数/组距)反映频数分布的实际状况。
分组数据—直方图
用矩形的宽度和高度来表示频数分布的图形,实际上是用矩形的面积来表示各组的频数分布。
在直角坐标中,用横轴表示数据分组,纵轴表示频数或频率,各组与相应的频数就形成了一个矩形,即直方图(Histogram)。
直方图下的总面积等于1。
直方图与条形图的区别:
(1)条形图是用条形的长度(横置时)表示各类别频数的多少,其宽度(表示类别)则是固定的;直方图是用面积表示各组频数的多少,矩形的高度表示每一组的频数或百分比,宽度则表示各组的组距,其高度与宽度均有意义。
(2)直方图的各矩形通常是连续排列,条形图则是分开排列。
分组数据—折线图:
折线图也称频数多边形图(Frequencypolygon),是在直方图的基础上,把直方图顶部的中点(组中值)用直线连接起来,再把原来的直方图抹掉,折线图的两个终点要与横轴相交。
具体的做法是:
第一个矩形的顶部中点通过竖边中点(即该组频数一半的位置)连接到横轴,最后一个矩形顶部中点与其竖边中点连接到横轴。
折线图下所围成的面积与直方图的面积相等,二者所表示的频数分布是一致的。
未分组数据—茎叶图
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,以该组数据的高位数值作树茎,低位数字作树叶。
对于n(20≤n≤300)个数据,茎叶图最大行数不超过L=[10×lgn]。
茎叶图类似于横置的直方图,但又有区别:
直方图可大体上看出一组数据的分布状况,但没有给出具体的数值;茎叶图既能给出数据的分布状况,又能给出每一个原始数值,保留了原始数据的信息。
未分组数据—箱线图
用于显示未分组的原始数据或分组数据的分布。
箱线图由一组数据的5个特征值绘制而成,它由一个箱子和两条线段组成。
其绘制方法是:
首先找出一组数据的5个特征值,即最大值、最小值、中位数Me和两个四分位数(下四分位数QL和上四分位数QU),连接两个四分(位)数画出箱子,再将两个极值点与箱子相连接。
未分组数据—单批数据箱线图
未分组数据—多批数据箱线图
时间序列数据—线图
绘制线图时应注意以下几点:
(1)时间一般绘在横轴,指标数据绘在纵轴;
(2)图形的长宽比例要适当,其长宽比例大致为10:
7;(3)一般情况下,纵轴数据下端应从“0”开始,以便于比较。
数据与“0”之间的间距过大时,可以采取折断的符号将纵轴折断。
多变量数据—雷达图
雷达图(RadarChart)是显示多个变量的常用图示方法,在显示或对比各变量的数值总和时十分有用。
可用于研究多个样本之间的相似程度。
假定各变量的取值具有相同的正负号,总的绝对值与图形所围成的区域成正比。
雷达图的制作:
设有n组样本S1,S2,…Sn,每个样本测得P个变量X1,X2,Xp,要绘制这P个变量的雷达图,其具体做法是先做一个圆,然后将圆P等分,得到P个点,令这P个点分别对应P个变量,在将这P个点与圆心连线,得到P个幅射状的半径,这P个半径分别作为P个变量的坐标轴,每个变量值的大小由半径上的点到圆心的距离表示;再将同一样本的值在P个坐标上的点连线。
这样,n个样本形成的n个多边形就是一个雷达图。
统计表的结构:
表头、行标题、列标题、数字资料、附加
统计表的设计:
(1)要合理安排统计表的结构;
(2)总标题内容应满足3W要求:
表明统计数据的时间、地点、以及何种数据;
(3)数据计量单位相同时,可放在表的右上角标明,不同时应放在每个指标后或单列出一列标明;
(4)表中的上下两条横线一般用粗线,其他线用细线;
(5)通常情况下,统计表的左右两边不封口;
(6)表中的数据一般是右对齐,有小数点时应以小数点对齐,而且小数点的位数应统一;
(7)对于没有数字的表格单元,一般用“—”表示;
(8)必要时可在表的下方加上注释。
第四章数据分布特征的测度
第一节集中趋势的测度
第二节离散程度的测度
第三节偏态与峰度的测度
学习目标
1.集中趋势各测度值的计算方法,集中趋势不同测度值的特点和应用场合;
2.离散程度各测度值的计算方法,离散程度不同测度值的特点和应用场合;
3.偏态与峰度测度方法
第一节数据特征分布的和测度
集中趋势(Centraltendency):
一组数据向其中心值靠拢的倾向和程度。
测度集中趋势就是寻找数据一般水平的代表值或中心值;不同类型的数据用不同的集中趋势测度值。
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。
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
定类数据:
众数
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。
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
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。
4.该公式假定众数组的频数在众数组内均匀分布。
定序数据:
中位数和分位数
中位数:
排序后处于中间位置上的值
中位数位置的确定
1未分组数据:
中位数位置=(N+1)/2
2)分组数据:
中位数位置=N/2
数值型分组数据的中位数
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:
(假定中位数组的频数在该组内均匀分布)
四分位数:
排序后处于25%和75%位置上的值
定距和定比数据:
均值
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
调和平均数
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
几何平均数
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
离中趋势
定类数据:
异众比率
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
定序数据:
四分位差
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;
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
定距和定比数据:
方差和标准差
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;4.反映了各变量值与均值的平均差异;5.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。
自由度(degreeoffreedom)
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σ2时,它是σ2的无偏估计量。
标准化值
1.也称标准分数;2.给出某一个值在一组数据中的相对位置;3.可用于判断一组数据是否有离群点
5.用于对变量的标准化处理
相对离散程度:
离散系数
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
偏态
1.数据分布偏斜程度的测度;2.偏态系数=0为对称分布
3.偏态系数>0为右偏分布;4.偏态系数<0为左偏分布
峰度
1.数据分布扁平程度的测度;2.峰度系数=3扁平程度适中
3.偏态系数<3为扁平分布;4.偏态系数>3为尖峰分布