PART 4 描述性统计分析

开心小麻雀

已于 2022-07-08 00:26:11 修改

阅读量1.1k

点赞数

分类专栏：统计学文章标签：数据分析

于 2022-07-05 00:31:12 首次发布

本文链接：https://blog.csdn.net/Armored_soldier/article/details/125608444

版权

统计学专栏收录该内容

2 篇文章 0 订阅

订阅专栏

总体要求

理解统计基本概念、理解描述性统计相关只是内容、理解描述性统计图表定义及适用场景、能够应用描述性统计知识描述及探索业务问题

1、统计基本概念

1.1 统计学含义及其应用【熟知】

1.1.1 含义

统计学是一门收集、处理、分析、理解数据并从数据中心得出结论的科学

1.1.2 统计学分析步骤

收集数据→处理数据→分析数据（描述性统计分析、推理性统计分析）→解释数据

1.1.3 统计学分析数据的方法

描述性分析

研究数据收集、处理和描述的统计学方法

总体规模、对比关系、集中趋势、离散程度、偏态、峰态、……

推断性分析

研究如何利用样本数据来推断总体特征的统计学方法

估计、假设检验、列联分析、方差分析、相关分析、回归分析、……

1.1.4 统计学应用

随着计算机的发展及各种统计软件的开发，作为一门基础学科的统计学在金融、保险、生物、经济等领域得到了广泛应用。

1.2 统计学的基本概念【熟知】

1.2.1 数据

统计学的对象是数据。

数据的形式

数字：可以进行比较、加减乘除等运算，严格的数据符号，常用阿拉伯数字表示

文字：不可运算，如男、女等

数据的分类

按照计量尺度分类	概念	举例	是否可排序	是否可计算	数据类型	等级
分类型数据	对事物进行分类的结果	国籍、性别	×	×	定性数据	低级
顺序型数据	对事物类别顺序的测度	产品等级、健康等级	√	×	定性数据	中级
数值型数据	对事物的精确测度	身高、体重	√	√	定量数据	高级

数据的其他分类

分类角度	类别	举例
按来源不同	直接来源（一手数据、原始资料）	亲自梳理
按来源不同	间接来源（二手数据、次级资料）	从别人的结果挖出来
按收集方式不同	观测的数据	没办法控制变量，所见即所得。如观测居民收入情况，没办法控制其他变量
按收集方式不同	实验的数据	可以控制其他变量。如测量药品是否有效，可以控制体温、血压等其他变量
按与时间的关系不同	截面数据	在一个时间点或一个时间段取到的数据。如企业上个月的数据
	时间序列数据	跟着时间会发生变化的数据，其特点是过去会影响今天，今天会影响未来。如股票
	混合数据（面板数据）	即含有时间属性，又含有空间属性的数据。如企业去年一年（时间）在全国各个省市（空间）的销量
按概型不同	离散型数据	如卖出去商品的个数
按概型不同	连续性数据	如时间，可以无限细分
一种特殊的数据	虚拟变量数据	如教育水平、产品质量

1.2.2 总体和样本

总体（population）

指研究的所有元素的集合，其中每个元素成为个体。

如：现研究全校学生的平均年龄，总体是：全校学生和总体相关的事物，统计学上用希腊字母表示。

样本（sample）

从总体中抽取的一部分元素的集合。

如：为研究全校学生的平均年龄，由于总体太大，从中抽取100人进行研究，该研究中的样本是抽取的这100个学生。

和样本相关的事物，统计学生用英文字母表示。

构成样本的元素的数目称为样本容量。

所有和总体有关的东西都是一个定值，所有和样本有关的东西都是一个变量。

1.2.3 参数和统计量

参数（parameter）

指研究者想要了解的总体的某种特征值

主要有总体均值（ $\mu$ ）、总体标准差（ $\sigma$ ）、总体比例（ $\pi$ ）等

统计量（statistics）

指根据样本数据计算出来的一个量，即样本的某个特征值；

常见的统计量有样本均值（ $\bar{x}$ ）、样本标准差（s）、样本比例（p）等。

1.2.4 变量

变量

指描述事物某种特征的概念。如商品销售额、受教育程度、产品的质量等级等。

变量与数据的关系

变量的具体表现称为变量值，即数据。

变量的分类

根据变量的数据计量尺度不同来分

分类变量（categorical variable）：说明事物类别的一个名称

顺序变量（rank variable）：说明事物有序类别的一个名称

数值型变量（metric variable）：说明事物数字特征的一个名称

2、数据的描述性统计

2.1 描述性统计图表【领会】

2.1.1 直方图

定义：由一系列高度不等的巨型表示数据分布的情况。

频数分布直方图

定义：在统计数据时，横轴按组距分类，纵轴表示频数，每个矩阵的高代表对应组距里数据的频数，称这样的统计图为频数分布直方图。

组数：把数据按照不同的范围分成几个组，分成的组的个数称为组数。

组距：每一组数据的极差。

特点：

a.能够显示各组频数分布的情况

b.易于显示各组之间频数的差别

绘制直方图

收集数据。作直方图的数据一般大于50个
选择数据列，插入图表：直方图
确定数组、极差、组距

绘制注意事项

抽取的样本数量过小，将会产生较大的误差，可信度低，也就失去了统计的意义。因此，样本数不应少于50个。
组数选用不当，偏大或偏小，都会造成对分布状态的判断有误。

2.1.2 散点图

定义：梳理统计分析中，数据点在平面直角坐标系上的分布图，表示因变量随自变量而变化的大致趋势。

特点：

展示数据的分布情况
发现变量之间的关系

2.1.3 箱型图

又称为盒须图或箱线图，显示一组数据分散情况的统计图

2.2 集中趋势的描述——平均指标【领会】

集中趋势（Central tendency）：一组数据向其中心值靠拢的趋势

测度集中趋势就是寻找数据水平的代表值或中心值

各类型数据可用指标

分类型数据可用众数

顺序型数据可用众数、分位数

数值型数据可用众数、分位数、均值

2.2.1 众数

定义：出现次数最多的变量值

表示的符号： $M_{0}$

计算：寻找数据中出现次数最多的值（众数的不唯一性）

2.2.2 分位数

定义：指根据对数据位置进行划分，处于某些特定位置上的数，常用的分位数有二分位数（也叫“中位数”）、四分位数、十分位数、百分位数等

中位数（二分位数）

定义：数据排序后，处于中间位置上的值

表示的符号： $M_{e}$

计算：数据的个数为n，则中位数的位置= $\frac{n+1}{2}$ （偶数个数据的中位数为中间两数平均值，奇数个数据的中位数为最中间的数值）

四分位数

定义：分为下四分位数和上四分位数两种，指排序后处于25%和75%位置上的值

表示的符号：下四分位数 $Q_{L}$ ，上四分位数 $Q_{U}$

计算：数据的个数为n，则

下四分位数 $Q_{L}$ 的位置： $\frac{n}{4}$

上四分位数 $Q_{U}$ 的位置： $\frac{3n}{4}$

2.2.3 均值（mean）

算术平均数

定义：数据的和与数据个数之比

表示的符号： $\bar{x}$

计算：

简单算术平均数（根据未分组数据计算的）： $\bar{x}= \frac{x_{1}+x_{2}+...+x_{n}}{n}= \frac{\sum_{i=1}^{n}x_{i}}{n}$

加权算术平均数（根据分组数据计算的）： $\bar{x}= \frac{M_{1}f_{1}+M_{2}f_{2}+...+M_{k}f_{k}}{f_{1}+f_{2}+...+f_{k}}= \frac{\sum_{i=1}^{k}M_{i}f_{i}}{n}$

（其中：数据个数为n，分组数据的组数为k， $M_{i}$ 为组中值， $f_{i}$ 为各组的频数，每一组的权重为 $\frac{f_{i}}{f_{1}+f_{2}+...+f_{k}}$ 。）

特点：易受极端值影响

几何平均数

定义：n个变量值乘积的n次方根

表示的符号：G

计算：

简单几何平均数（根据未分组数据计算的）：G= $\sqrt[n]{x_{1}x_{2}...x_{n}}$

加权几何平均数（根据分组数据计算的）：G= $\sqrt[(f1+f2+...+fn)]{x_{1}^{f1}x_{2}^{f2}...x_{n}^{fn}}$

（其中，数据个数为n，分组数据的组数为k， $M_{i}$ 为组中值， $f_{i}$ 为各组的频数。）

特点：

a.易受极端值影响

b.常用于增长率数据的研究（如利率）

c.所有数据需大于0

调和平均数

定义：变量值倒数的算数平均数的倒数

表示的符号：H

计算：

简单调和平均数（根据未分组数据计算的）： $H= \frac{n}{\frac{1}{x_{1}}+\frac{1}{x_{2}}+...\frac{1}{x_{n}}}$

加权调和平均数（根据分组数据计算的）： $H= \frac{f_{1}+f_{2}+...+f_{k}}{\frac{f_{1}}{M_{1}}+\frac{f_{2}}{M_{2}}+...\frac{f_{k}}{M_{k}}}$

（其中：数据个数为n，分组数据的组数为k， $M_{i}$ 为组中值， $f_{i}$ 为各组的频数。）

特点：

a.易受极端值影响

b.常用于效率数据的研究

c.有一项为0就无法计算H

均值不等式

对于同一组数据，一定满足：算术平均数≥几何平均数≥调和平均数

当所有数据取值相同的时候，等号成立。

2.3 离散程度的描述——变异指标【领会】

离散程度：

定义：反映各变量远离其中心值的程度，是数据分布的另一个重要特征

从另一个侧面说明了集中趋势测试度值的代表程度

2.3.1 极差（range）

定义：一组数据的最大值与最小值之差

表示的符号：R

计算：R=max( $x_{i}$ )-min( $x_{i}$ )

特点：

a.离散程度的最简单测度值

b.极易受极端值影响

c.未考虑数据的分布

2.3.2 平均差（mean deviation）

定义：各变量值与其均值离差绝对值的平均数

表示的符号： $M_{d}$

计算：

未分组数据： $M_{d}= \frac{\sum_{i=1}^{n}\left | x_{i}-\bar{x} \right |}{n}$

分组数据： $M_{d}= \frac{\sum_{i=1}^{k}\left | M_{i}-\bar{x} \right |f_{i}}{n}$ ( $M_{i}$ 为组中值)

特点：

a.能全面反映一组数据的离散程度： $M_{d}$ 越大，表示数据越分散。

b.数学性质较差，实际中应用较少

2.3.3 方差和标准差

根据总体数据计算的，称为总体方差、总体标准差；
根据样本数据计算的，称为样本方差、样本标准差；

定义：变量值与其算术平均数的离差的平方的算术平均数

表示的符号：

总体方差： $\sigma ^{2}$

总体标准差： $\sigma$

样本方差： $s^{2}$

样本标准差：s

计算：

总体方差

未分组数据： $\sigma ^{2}= \frac{\sum_{i=1}^{N}(x_{i}-\mu )^{2}f_{i}}{N}$

分组数据： $\sigma ^{2}= \frac{\sum_{i=1}^{K}(M_{i}-\mu )^{2}f_{i}}{N}$ ( $M_{i}$ 为组中值)

总体标准差： $\sigma = \sqrt{\sigma ^{2}}$
样本方差

未分组数据： $s^{2}= \frac{\sum_{i=1}^{n}(x_{i}-\bar{x})^{2}}{n-1}$

分组数据： $s^{2}= \frac{\sum_{i=1}^{k}(M_{i}-\bar{x})^{2}f_{i}}{n-1}$ （ $M_{i}$ 为组中值）

样本标准差： $s=\sqrt{s^{2}}$

注：样本方差计算公式的分母是n-1

样本方差自由度（degree of freedom）
自由度是指一组数据中可以自由取值的数据的个数

特点：

a.数据离散程度的最常用测量度值

b.反映了各变量值与均值的平均差异：方差或标准差越大，表示变量值与均值的平均差异越大

2.3.4 离散系数（变异系数）

定义：是标准差与均值之比

表示的符号： $V_{s}$

计算： $V_{s}=\frac{s}{\bar{x}}$

特点：

a.是对数据相对离散程度的测度

b.消除了数据水平不同和数据计量单位不同对数据离散程度的影响

c.常用于对不同组别数据离散程度的比较

2.4 分布形态的描述——偏态与峰态【领会】

2.4.1 偏态（skewness）

定义：是指数据分布偏斜程度。

测量方法：使用偏态系数来测度数据的偏态。偏态系数用符号SK表示。

偏态系数的计算：（公式有多种，这里选常见的一种）

未分组数据： $SK= \frac{n\sum (x_{i}-\bar{x})^{3}}{(n-1)(n-2)s^{3}}$

分组数据： $SK= \frac{\sum (M_{i}-\bar{x})^{3}f_{i}}{ns^{3}}$

偏态的判断：

SK=0对称分布；SK>0右偏分布；SK<0左偏分布

偏态的程度

低度偏态分布：0<|SK|≤0.5

中等偏态分布：0.5<|SK|≤1

高度偏态分布：|SK|＞1

偏态对众数、中位数和均值之间关系的影响

对称分布：均值=中位数=众数

左偏分布：均值＜中位数＜众数

右偏分布：众数＜中位数＜均值

2.4.2 峰态（kurtosis）

定义：是指数据分布的扁平程度。

测量方法：使用峰态系数来测度数据的峰态。峰态系数用符号K表示。

峰态系数的计算：（公式有多种，这里选常见的一种）

未分组数据：

分组数据：

峰态的判断：K=0扁平峰度适中 K＞0尖峰分布 K＜0扁平分布

峰态的程度：

低度尖峰分布：0<|K|≤0.5

中等尖峰分布：0.5<|K|≤1

高度尖峰分布：|K|>1

2.5 总体规模的描述——总量指标

反映在一定时间、空间条件下某种现象的总体规模、总水平或总成果的统计指标。如：营业额、利润

2.6 对比关系的描述——相对指标

是两个有相互联系的指标数值之比。

如：目标完成率（实际完成/计划完成）

【应用】能够应用描述性统计知识对业务数据进行恰当的数据特征描述，针对数据描述特征阐述业务问题、探索问题原因、提出解决问题的方法

3、统计分布【熟知】

4、相关分析【熟知】

4.1 相关分析的描述

4.1.1 两点分布

4.1.2 二项分布

4.2 相关关系的度量

4.2.1 相关系数

开心小麻雀

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
PART 4 描述性统计分析

统计学是一门收集、处理、分析、理解数据并从数据中心得出结论的科学收集数据→处理数据→分析数据（描述性统计分析、推理性统计分析）→解释数据数据研究数据收集、处理和描述的统计学方法总体规模、对比关系、集中趋势、离散程度、偏态、峰态、……研究如何利用样本数据来推断总体特征额统计学方法估计、假设检验、列联分析、方差分析、相关分析、回归分析、……随着计算机的发展及各种统计软件的开发，作为一门基础学科的统计学在金融、保险、生物、经济等领域得到了广泛应用。统计学的对象是数据。数字：可以进行比较、加减乘除等运算，严格的数据
复制链接

扫一扫