目录
I.数据的描述性统计
1.1 总量指标、相对指标
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。
eg：营业额、利润等
相对指标：两个有相互联系的指标数值之比。
eg：目标完成率（实际完成/计划完成）、比值
1.2 集中趋势的描述——平均指标
集中趋势（central tendency）：一组数据向其中心值靠拢的趋势 （描述数据中心）
测度集中趋势——寻找数据水平的代表值或中心值
根据数据分类，看度量：
- 分类型数据——众数
- 顺序型数据——众数、分位数
- 数值型数据——众数、分位数、均值
不同类型的数据，一定要用不同的方法进行分析。
1.2.1 众数-
（1）定义：出现次数最多的变量值
（2）表示符号：
（3）计算：
寻找数据中出现次数最多的值；
众数的不唯一性，可能有也可能没有。
【Practice】
1.2.2 分位数
如果拿到顺序型数据，可用分位数来度量。
定义：根据对数据位置进行划分，处于某些特定位置上的数。
分位数：二分位数、四分位数、十分位数、百分位数等
1.二分位数/中位数-
（1）定义：数据排序后，处于中间位置上的值 （先排序再找值）
（2）表示符号：
（3）计算：
数据的个数为n，中位数的位置=
【Practice】
2.四分位数
（1）定义：分下四分位数、上四分位数 2种。排序后处于25%和75%位置上的值。
（2）表示符号
下四分位数： 上四分位数：
（3）计算
数据的个数为n，则：
下四分位数
的位置：
上四分位数：
的位置：
1.2.3 均值（mean）
如果拿到的是数值型数据，就可计算均值。
- 算术平均数
- 几何平均数
- 调和平均数
1. 算术平均数
（1）定义：数据和与数据个数之比
（2）表示符号：
（3）计算
简单算术平均数（根据未分组数据计算）
加权算术平均数（根据分组数据计算）
权重 ： f1/总数 按照概率来算；f1 / f1+f2+fn
（4）特点：易受极端值影响
示例：
2. 几何平均数
（1）定义：n个变量值乘积的n次方根
一般适用于算增长率、或者利率这些；
（2）表示符号：G
（3）计算
简单调和平均数（根据未分组数据计算）
加权调和平均数（根据分组数据计算）
（4）特点
- 易受极端值影响
- 常用于增长率数据的研究
- 所有数据需＞0
3. 调和平均数——（用的比较少）
（1）定义：变量值倒数的算术平均数的倒数
（2）表示符号：H
（3）计算
简单调和平均数
加权调和平均数
（4）特点：
- .易受极端值影响
- 常用于效率数据的研究
- 有一项为0就无法计算H
1.2.4 均值不等式
对于同一组数据，一定满足：
算数平均数 ≥ 几何平均数 ≥ 调和平均数
当所有数据取值相同时，等号成立。（所有样本值相同的时候）
II. 离散程度的描述——变异指标
2.1 变异指标
（1）定义
反映各变量值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 集中趋势测度值的代表程度 （数据距离集中区域分散程度）
离散程度越大，均值代表的东西就越少。
2.1.1 极差（range）
1.定义：一组数据的最大值与最小值之差
这组数据整体处在数轴的什么位置
2.表示符号：R
3.计算
4.特点
离散程度的最简单测度值
极易受极端值影响
未考虑数据的分布
示例：
2.1.2 平均差（mean deviation）
1.定义 ：各变量值与其均值离差绝对值的平均数
所有样本值到均值的平均距离 ——平均差
2.表示符号：
3.计算
4.特点：
- 能全面反映一组数据的离散程度
平均差越大，代表数据越分散。9
- 数学性质较差，实际中应用较少 （比如 不可导点）
【Practice】
先算均值，用样本值减去均值
2.1.3 方差和标准差
（一）根据总体数据计算的，称为总体方差、总体标准差
（二）根据
标准差，方差直接开根号
【样本方差自由度】——计算公式的分母（n-1）
自由度指一组数据中科自由取值的数据的个数
总体有关系的都是定值，确定存在的常数。
2.2 离散系数/变异系数
（1）离散系数/变异系数
变异系数= 标准差除以均值。
上图结果：离散系数相同
需要对比两件事物的离散程度，是利用变异系数进行对比。
扫一扫
3358
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
