数据分析之常用统计量与分布

最新推荐文章于 2024-02-01 10:35:18 发布
VIP文章 最新推荐文章于 2024-02-01 10:35:18 发布
阅读量2.4k 收藏 4
点赞数
分类专栏： 数据分析
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/HAIYUANBOY/article/details/89441841
版权

众数、平均数和中位数

一般不选众数为统计量，只有数据非常干净的时候众数才有价值。

当数据对称时，我们选择均值，做模型做预测，都是均值，参数估计选用均值，非参用中位数，描述性统计右偏时选中位数；一般不会出现左偏，如二八定律。

正太分布偏度 skewness = 0，右偏 skewness > 0，一般大于1右偏较严重，左偏 skewness < 0

分布

 

正太分布：人的身高，自然界的分布

对数正太分布（右偏最严重的）：收入、利润，描述性统计就用中位数；建模，建立回归，神经网络等就对数据去对数 ln 即可

泊松分布：网页点击量，排队队伍长度等

伽玛分布：灾难造成的损失，损失的金额

最低0.47元/天 解锁文章
换头像真麻烦
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
统计数据分析.pptx
12-24
统计数据分析 本次培训要解决的问题 我们公司大部分设备验收时，客户都要求Cpk>1.33 什么是 Cpk? Cpk如何计算？为什么要>1.33? 有复检功能的设备，客户一般都要求要做GRR和相关性 为 什么要做GRR/相关性，如何做？怎么样才是好的GRR/相关性？ Cpk, GRR/相关性都是通过对测量数据的统计分析，来判定工艺、测量系统的能力 本次培训要解决的问题 分析数据 ， 我们要分析数据的什么？ 数据的分布状态 和同类数据的比较， 如：同比， 环比 数据(data)就是数值，是通过观察、实验或计算得出的结果 数据的分类: 连续型数据(Continous data)--可以用测量仪器测量出的可以连续取值的数据，也叫计量数据， 如：时间,压力,高度,长度等; 也称作Variable data 离散数据(Discrete data )--颜色, 班别,合格/不合格，缺陷类别,产品种类等, 也称作计数数据或属性 Attribute data 连续性数据能够比较敏感的反映过程的变化，可以用较少样本量获得统计分析结论 什么是数据？ 数据分析 表征数据的常用统计量 平均值(Mean) EXCEL 计算公式 =average(x1,x2,....xn) 中位数(Median) ---一组数据中位置在中间的那个数 EXCEL 计算公式 =median(x1,x2,....xn) 平均值和中位数都是用以表征一组数据的中间值，平均数更为准确 数据分析 表征数据的常用统计量 最大值(Maximum) EXCEL 计算公式 =max(x1,x2,....xn) 最小值(Minimum) EXCEL 计算公式 =min(x1,x2,....xn) 极差(Range) EXCEL 计算公式 =max(x1,x2,....xn) -min(x1,x2,....xn) 最大值、最小值和极差用以表征一组数据的分布范围 数据分析 标准偏差(Standard Deviation) 表征数据的常用统计量 极差法 当样本数量<10时， 极差法比较准 样本 总体 贝塞尔法 EXCEL 计算公式 =STDEV(x1,x2,....xn) =STDEVP(x1,x2,....xn) 数据分析 方差(Variance) 表征数据的常用统计量 方差(Variance) Var(x)=s2 或 Var(x)= s2 标准偏差和方差是用以表征数据离散程 度的 假设尺寸链 c=a+b, a, b, c 的标准偏差分别是 sa, sb, sc, 则有： , 数据分析 通过数据判定过程能力 如何判定一组数据是好还是不好呢（过程能力的强弱）？ 准确 精密 精准 Cp (Capability of Precision) 过程精密度 Ca (Capability of Accuracy) 过程准确度 Cpk (Process capability index) 过程能力指数 数据分析 通过数据判定过程能力 过程能力分析的假设前提是输出服从正态分布。因此过程是稳定的或统计受控的。 正态分布（Normal distribution），又名高斯分布（Gaussian distribution），正态分布的概率密度为： 记作X~N(μ,s2). μ是正态分布的均值，s2是正态分布的方差 数据分析 通过数据判定过程能力 μ+/-3s 之外的概率只有0.27%，是小概率事件，因此我们将6s 范围视为过程的自然波动范围。为了把过程的自然输出能力和要求的公差进行比较，质量专家朱兰引入了能力比的概念, 即Cp 对于只有规格上限 对于只有规格下限 对于有双边规格 Cp衡量的是"规格公差宽度"与"与制程变异宽度"之比例; 数据分析 通过数据判定过程能力 对于只有规格上限或规格下限的， 因为没有中心值，所以也没有Ca Ca衡量的是"实际平均值"与"规格中心"之一致性； 是数据的平均值， SL(Size Line)是规格中心，T 是公差宽度=USL-LSL 对于有双边规格 数据分析 通过数据判定过程能力 Cpk=Cp(1- Ca ) 对于单边规格的 Cpk=Cpu 或 Cpk=Cpl Cpk=Cp(1- Ca )= = = =Cpu 或者= =Cpl 所以 Cpk= min(Cpu, Cpl) 从公式可以看出， Cpk与平均值，标准偏差，以及产品的规格相关联 数据分析 通过数据判定过程能力 Cpk要多少才算好？ 等级 Cpk值 处理原则 A+ 1.67 能力过剩考虑降低成本 A 1.33 Cpk＜1.67 状态良好维持现状 B 1.00 Cpk＜1.33 改进为 A 级 C 0.67 Cpk＜1.00 制程不良较多，必须提升其能力 D Cpk ＜0.67 制程能力太差，应考虑重新整改设计制程 Cpk 每一百万件
常用的统计量和抽样分布
weixin_43992800的博客
08-25 2008
一、统计量 **样本均值：**即在总体中的样本数据的均值，反映样本数据的集中趋势。 样本方差：每个样本值与全体样本值平均数之差的平方值的平均数；方差是用来衡量随机变量和其数学期望（均值）之间的偏离程度。 样本变异系数：变异系数又称为离散系数，定义为标准差与平均值之比，样本变异系数即样本数据的标准差与其均值之比。 样本k阶中心矩：在概率论中，矩是用来描述随机变量的某些特征的数字，即求平均值；随机变量...
【深度学习： C-统计量】C-统计量：定义、示例、权重和显著性
最新发布
欢迎来到最优秀的博客
02-01 502
什么是 C 统计量？权重统计显著性一致性统计量等于ROC曲线下的面积。c统计量(有时称为“一致性”统计量或c指数)是对逻辑回归模型中二元结果的拟合优度的度量。在临床研究中，c -统计量给出了随机选择的经历过某一事件(如疾病或状况)的患者比没有经历过该事件的患者具有更高风险评分的概率。它等于受试者工作特征(ROC)曲线下的面积，取值范围为0 ~ 1。值低于0.5表示模型非常差。值为0.5意味着模型的预测结果并不比随机机会好。值超过0.7表示模型良好。超过0.8的值表示强模型。
【Python】数理统计理论：常用统计量、经验分布函数
计算机小白努力学习
06-17 3305
一、常用统计量 数理统计学中常用的统计量有：样本均值、样本方差、顺序统计量、中位数、众数等。 其中可以反映总体位置特征的有数据的中心位置是均值（Mean），中位数（Median），众数（Mode）。其中均值和中位数用于定量的数据，众数用于定性的数据。 随机抽取了78位同学的语文成绩如下： grades=[131,131,127,123,126,129,116,114,115,116,123,122,118, ,126,121,126,121,111,119,124,124,121,116,114,116,1
常用统计量及其常见分布
qq_35912930的博客
05-26 7812
二、统计量及其分布 1. 统计量的概念 样本中，作为随机变量的每一个个体的，不含参数的，函数式。 eg： ξ1+ξ2 2. 常用统计量 ①. 样本均值： ②. 样本方差： ③. 修正样本方差： ④. 样本k阶原点矩： ⑤. 样本k阶中心距： 3. 统计量的分布 样本均值的期望与方差 样本方差的期望与方差以及样本均值与样本方差的协方差 正态总体下样本均值与方差的分布 ...
【数据统计】— 数据分布、集中趋势、离散程度
我们都是被分成两半的人，一边热爱生活，一边憎恨生活。面对生活，我们总是在矛盾的两端摇摆，在反复的矛盾和犹豫中，一边踉跄前行，一边重振旗鼓。我渴望改变，渴望变得更好，渴望找到出口……就像一个溺水人的挣扎，就像一个救生圈。我是一个矛盾集合体，想要变得快乐，但是
04-14 5932
对于已分为K组的N个数据，各组的值表示为：𝑥1, 𝑥2, 𝑥3,⋯,𝑥K, 各组变量出现的频数表示为：𝑓1, 𝑓2, 𝑓3, ⋯,𝑓𝑘, 数据的加权平均数为𝜇，则数据的总体方差为。对于未分组数据𝑥1, 𝑥2, 𝑥3, ⋯,𝑥𝑁，数据的算术平均数为𝜇。若一组数据𝑥1, 𝑥2, 𝑥3, ⋯,𝑥𝑛，则该组数据的几何平均数为。根据未经分组数据计算得到的平均数。特点：易受极端值的影响。
数理统计复习笔记二——充分统计量
TSzero的博客
07-13 5877
一、背景 统计量的引入是为了简化样本的繁杂，但所使用的统计量是否把样本中关于感兴趣问题的信息全部吸收进来了？这就引出充分统计量的概念。它是Fisher正式提出的，其思想源于他和Eddington关于估计标准差的争论。 二、定义 对于某分布族F={Fθ(x):θ∈Θ}\mathcal F=\{F_\theta(x):\theta\in\Theta\}F={Fθ​(x):θ∈Θ}，∀F∈F\forall F\in\mathcal F∀F∈F，设X1,⋯ ,XnX_1, \cdots, X_nX1​,⋯,Xn​
充分统计量
这是个无聊的世界
05-11 1万+
充分统计量标签： 模式分类@author lancelot-vim定义我们把任何关于样本集DD的函数都称为一个统计量，一个充分统计量就是一个关于样本集DD的函数ss（允许是向量形式的函数)，其中包含了能有助于估计某种参数θ\theta的全部相关信息，就是说我们希望充分统计量的定义能够有这样的约束条件：p(θ|s,D)=p(θ|s)p(\theta|s,D)=p(\theta|s) 举个例子说：对于
常用数据分析方法.docx
12-23
数据分析常用的图表方法：柏拉图(排列图)、直方图(Histogram)、散点图(scatter diagram)、鱼骨图（Ishikawa）、FMEA、点图、柱状图、雷达图、趋势图。 数据分析统计工具：SPSS、minitab、JMP。 常用数据分析方法: 1...
统计学方法与数据分析（上下册）
12-29
作者很重视统计在解决实际问题中的作用，在全书中用许多篇幅讨论如何解释数据分析的结果，并专门用一章讲述了如何写数据分析报告。 本书适用于作为我国文科各专业的统计学引论教程。以及理工科各专业应用统计学课程...
Excel数据分析与图表应用案例精粹_光盘
08-31
Excel数据分析与图表应用案例精粹_光盘 杨广于 清华大学出版社,2012 目录 第1章 公式与函数基本操作 1 　1.1 Excel公式的基本操作 1 　1.1.1 公式的输入与编辑 1 　1.1.2 公式中的运算符 2 　1.1.3 单元格的引用...
数据分析与挖掘实验报告.doc
12-23
2数据挖掘的方法与技术 数据挖掘吸纳了诸如数据库和数据仓库技术、统计学、机器学习、高性能计算、模式 识别、神经网络、数据可视化、信息检索、图像和信号处理以及空间数据分析技术的集 成等许多应用领域的大量技术...
统计量及其分布
热门推荐
大熊的博客
07-13 4万+
统计量 统计量是什么？从定义上说，统计量是不含未知参数的样本函数。统计量是一个函数，是对样本信息的一个精炼提取，以此反映总体情况的工具。我们通常记统计量为T=T(x1,x2...xn)T=T(x1,x2...xn)T=T(x_1,x_2...x_n) 常用的统计量有，样本均值，样本方差，样本峰度，样本偏度。 统计量及其分布 这章的核心是认识经验分布函数，统计量以及三大抽样分布，这些构成...
常用的数据分布（泊松分布，二项分布，伯努利分布，正态分布，均匀分布等）
weixin_42797282的博客
08-04 6423
基本概念 随机变量 随机变量这个是概率学中的一个基本概念，在实际问题中有的试验结果本身就是数量表示，有的结果却不行，比如掷骰子，试验结果有6个，可以记为1,2,3,4,5,6。但另如抛硬币正反面，结果看似跟数值毫无关系，我们一般会做一个对应的处理，引进一个变量，当硬币正面记为0，反面记为1.简单的说就是将试验结果数值化将结果用一个变量表示，这个变量就叫随机变量。 连续随机变量与离散随机变量 随机变...
【数据挖掘】属性及其类型和数据的统计描述四分位数等详解（图文解释 超详细）
showswoller的博客
01-05 4772
【数据挖掘】属性及其类型和数据的统计描述四分位数等详解（图文解释 超详细）
统计学基础之数据分布
aimian8731的博客
08-04 2192
统计学基础之数据分布 学习几种常用的数据分布 1、正态分布 正态分布（Normal distribution），也称“常态分布”，又名高斯分布。正态曲线呈钟型，两头低，中间高，左右对称因其曲线呈钟形。 定义：若随机变量X服从一个数学期望为μ、方差为σ^2的正态分布，记为N(μ，σ^2)。其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。当μ ...
docker swarm 数据卷操作
weixin_43931625的博客
08-23 685
dockerswarm数据卷操作
数据分布和统计分析
Kobe123brant的博客
12-13 1846
1、t检验 两个均值差异与否： 比较两样本连续的均值，以检验两均值的差异是否大于能被随机猜测所解释的差异 应用条件 观测值相互独立 从正态分布的总体种抽样得到 样本数据<30;如果>30，则使用正态曲线的z检验 分类 单样本t检验：某样本变量均数与给定总体一直均数相比是否有差异（网传正常成年人步速5km/h，对某大学生取样比较） 独立样本t检验：检验由两独立样本估计的总体均数之间是否有差异（比较某一大学生男生和女生比较） 配对样本t检验：检验两个相关样本估计的总体均数之间是否有差异（比较某
几种常见的数据分布
u014296502的专栏
07-17 3万+
学习机器学习算法过程中，少不了概率分布的概念，说起概率分布我的脑中除了正太分布那条线就再也没有其他印象了，这个缺陷使我在推导公式过程中遇到很多坑，也在理解数据特征中错过很多。模型的基线取决于数据的好坏，数据的好坏取决与你对数据的理解。所以为了更加懂数据，就先理解一下数据有哪些分布吧。 伯努利分布 名字听起来很陌生，其实离我们生活很近，抛硬币都是老掉牙的例子了，正面或者反面。逻辑回归二分类的结果...
分析大量数据的分布规律
09-09
分析大量数据的分布规律可以采用统计学和数据分析的方法。下面是一些常用的分析方法： 1. 描述统计分析：通过计算数据的中心趋势（如平均值、中位数）、离散程度（如标准差、方差）和分布形态（如偏态、峰态）等指标来描述数据的整体特征。 2. 直方图：将数据按照一定的区间划分，统计每个区间内数据的频数或频率，并绘制成柱状图。直方图可以帮助我们观察数据的分布情况，是否存在峰值、偏态等特征。 3. 箱线图：通过绘制数据的最大值、最小值、中位数和四分位数等统计指标，直观地展示数据的离散程度和异常值情况。 4. 概率密度函数（PDF）：对于连续型数据，可以通过核密度估计等方法绘制概率密度函数图，以了解数据的概率分布情况。 5. 累积分布函数（CDF）：计算累积分布函数可以帮助我们了解数据的累积概率分布情况，如何在不同阈值下观察到不同的百分位点。 6. 假设检验：通过假设检验方法，可以判断数据是否符合某种分布假设，如正态分布、均匀分布等。 此外，在分析大数据集时，还可以结合机器学习方法进行数据挖掘和模式识别，以发现更深层次的规律。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值