统计学应用与入门

分类型数据汇总：

• 频数：表示在几个互不重叠组别中的每一组项目的个数
• 相对频数：组的相对频数 = 组频数/n
• 百分数频数：组的百分数频数 = 组的相对频数 * 100%

数量型数据汇总：

• 数据型数据确定频率分布的步骤：
  1. 确定互不重叠的组数
  2. 确定每组的组宽
     • 近似组宽 = （最大的数据值- 最小的数据值）/ 组数
  3. 确定组限
     • 下组限、上组限、组中值

• 累计频数：表示小于或等于每一个组上组限的数据项个数

图形法：

• 散点图：两个变量的数据汇总
• 箱型图：基于五数概括法的汇总
  • 最小值、第一四分位数（Q1）、中位数、第三四分位数（Q3）、最大值

数值法：

• 平均数：

• 中位数：

  • 奇数：中间数值
  • 偶数：中间两数值的平均数

• 众数：出现频率最高的数值

• 四分位数：

  • 将n个数从小到大排列：
  • Q2为n个数组成的数列的中数（Median）；
  • 当n为奇数时，中数Q2将该数列分为数量相等的两组数，每组有 (n-1)/2 个数，Q1为第一组 (n-1)/2 个数的中数，Q3为为第二组(n-1)/2个数的中数；
  • 当n为偶数时，中数Q2将该数列分为数量相等的两组数，每组有n/2数，Q1为第一组 n/2个数的中数，Q3为为第二组 n/2 个数的中数。

• 加权平均数——案例

  求：美国人和日本人的平均身高
  
  已知：美国人平均身高，日本人平均身高
  
  			美国人口：3亿，日本人口：1亿
  
  解：加权平均数=（美国人平均身高x3+日本人平均身高x1）/(1+3)
  

• 变异程度的度量

  • 极差：极差 = 最大值 = 最小值

  • 四分位数间距：IQR = Q3 - Q1（第三分位数 - 第一 分位数）

  • 方差

    • 总体方差：

    • 样本方差：

  • 标准差：

    • 总体标准差：

    • 样本标准差：

    • 标准差稀疏：

• 形态的度量

  • 分布形态：偏度
    • 对称分布：平均数与中位数相等
    • 偏度为正值：平均数大于中位数
    • 偏度为负值：平均数小于中位数

• 相对位置的度量：

  z分数（z-score），也叫标准分数（standard score）是一个数与平均数的差再除以标准差的过程

  • 确定某一数值据平均数的位置

  • z-分数：确定任何观测值的相对位置

  • 

    原始数据、平均数、标准差

    • 当观测值大于平均数时，z-分数大于零
    • 当观测值小于平均数时，z-分数小于零

• 切比雪夫定理：

  • 适用于任何数据集，不论其分布形态

  • 与平均数的距离在z个标准差之内的数据项多占比例至少为（1-1/z**2），其中z是大于1的实数

    • 至少有75%的数据与平均数的距离在z=2个标准差之内
    • 至少有89%的数据与平均数的距离在z=3个标准差之内
    • 至少有94%的数据与平均数的距离在z=4个标准差之内

    切比雪夫例子：

    例：切比雪夫定理
    已知：某高中有100名学生，平均成绩为70分，标准差为5分
    求：有多少学生的成绩在60-80之间？58-82之间？
    解：60-80之间
    60比平均数70小2个标准差；80比平均数70大两个标准差
    利用切比雪夫定理，我们知道75%的学生考试成绩在60-80之间
    	58-82之间
    z-分数：（58-70）/5=-2.4；（82-70）/5=+2.4
    利用切比雪夫定理，（1-1/2.4**2）=0.826，我们知道82.6%的学生考试成绩在58-82之间
    

• 异常值的检验

  • 方法一
    • 利用标准化数值（z-分数）确认异常值
    • 把z-分数小于-3或大于+3的数值视为异常值
  • 方法二
    • 利用Q1，Q3和IQR计算上限、下限确认异常值
    • 下限=Q1 - 1.5 * IQR
    • 上限=Q3 + 1.5 * IQR
  • 

• 两变量间关系的度量

  • 协方差：

  • 协方差的解释：

    • 第1,2,3,4象限
    • 当协方差为正：x和y之间存在正的线性关系
    • 当协方差为负：x和y之间存在负的线性关系
    • 当协方差接近零：x和y之间无线性关系

  • 相关系数计算（皮尔逊积炬）

    1. 计算样本标准差，x1，y1
    2. 样本相关系数 ：数量 / 标准差（x1 * y1）
       • 样本相关系数的解释：
         • 当系数为+1时：x和y之间存在完全正线性关系
         • 当系数为-1时：x和y之间存在完全负线性关系
         • 当系数接近0时：x和y之间存在弱线性关系
         • 当系数为0时：x和y之间不存在线性关系

样本相关系数的解释：
- 当系数为+1时：x和y之间存在完全正线性关系
- 当系数为-1时：x和y之间存在完全负线性关系
- 当系数接近0时：x和y之间存在弱线性关系
- 当系数为0时：x和y之间不存在线性关系