读《白话统计》笔记——第五章

第五章 如何正确展示你的数据

5.1 均数和中位数——你被平均了吗

如果数据围绕均数均匀的波动，可以用均数来描述；否则最好用中位数来描述

正态分布的数据用平均数；偏态分布的数据最好用中位数来描述

5.2 方差与标准差——变异的度量

离均差平方和（Sum of Squares of deviations from mean，SS）

• 离均差：偏离均数之差，也就是每个数值分别与均数相减之差
• 离均差平方和：对每个差值求其平方然后相加的总和
• 有缺点：数据越多，离均差平方和一般也越大。如果两组数据样本个数不一样，容易有偏差

方差

• 对离均差平方和求平均数，也就是方差
• 缺点：是一个平方后的值，对于一个指标而言，没有意义

标准差

• 对方差求平方根

5.3 自由度——你有多少自由活动的范围

方差公式：总体方差，除以n；样本方差，除以n-1

样本数据估计总体方差时，如果除以n，得到的不是总体方差的无偏估计；而以n-1为分母，得到的才是总体方差的无偏估计

这里所说的n-1，就是自由度
自由度和数据的例数有关，是计算样本统计量时能够自由取值的数值的个数，一般用df表示

有效例数不足，也就是不满秩矩阵？！

5.4 百分位数——利用百分数度量相对位置

相对位置

• 一个数在所有数据中大概处在什么位置上，比如说排第几名，就是相对位置。
• 相对位置有两个指标：
  • 百分位数
  • Z值

百分位数

• 第P百分位数表示，数据中有p%位于左边（比它小），有（1-p%）位于右边（比它大）
• 特殊的值
  • 第100百分位数就是最大值，第0百分位数就是最小值
  • 第50百分位数，就是中位数
  • 第25百分位数就是下四分位数，Q1来表示；第75百分位数就是上四分位数，Q3来表示
  • Q3-Q1 称为四分位数间距（Interquartile Range），IQR
• “五数概括”：最大值、最小值、第25百分位数、中位数、第75百分位数。这五个数展示在一张图中就是箱线图（Box Plot）
  
  大于Q3+1.5IQR 或者小于Q1-1.5IQR，都视为异常值

5.5 如何比较苹果和橘子——利用Z值度量相对位置

我们通常所说的标准化就是计算Z值：Z= x-u / σ，其中：u表示均数，σ表示标准差。反映了某个值x偏离均数u的标准差倍数

中心化：每个原始数据减去均数后得到的值，相对于标准化的分子部分

Z值常用得两个应用：

• 比较不同单位的指标
• 判断异常值

5.6 某百岁老人调查报告说：少运动才能活得久——谈一下比例和率

分清自己要研究什么，有些是研究百分比，有些是要研究率。分清百分比和率：

• 百分比：是一个静态指标，在一个群体中某种状态所占的百分比
• 率：是一个动态指标，在一个群体中某种状态所占的百分比

5.7 在文章中如何正确展示百分比

结合分析的目的，找准分析的维度，明确分组变量是什么、分析变量是什么，一般情况下，分组变量内百分比的合计为100%。

找到对的方式来展示百分比，才能有正确的分析结果