关于SQLServer2005的学习笔记——统计学自动分组问题

关于SQLServer2005的学习笔记——统计学自动分组问题

 

学过统计学或者做过BI的应该知道，很多报表需要以区间统计的方式来实现，怎么分组比较合理，什么的组距比较合适，会困扰很多人；本文给出一个自动分组的方法，稍微修改一下，便可以做成通用区间分组程序。

关于统计学组距分组参考以下链接：

http://wiki.mbalib.com/wiki/%E7%BB%84%E8%B7%9D%E5%88%86%E7%BB%84

 

第一步：确定组数。一组数据分多少组合适呢？一般与数据本身的特点及数据的多少有关。由于分组的目的之一是为了观察数据分布的特征，因此组数的多少应适中。如组数太少，数据的分布就会过于集中，组数太多，数据的分布就会过于分散，这都不便于观察数据分布的特征和规律。组数的确定应以能够显示数据的分布特征和规律为目的。在实际分组时，可以按Sturges提出的经验公式来确定组数K

第二步：确定各组的组距

组距=(Max(Value)-Min(Value))/K

第三步：根据分组整理成频数分布表

 

--创建一个测试表，仅有一个包含年龄的字段的表 CREATE TABLE AutoGroup (  Age INT ); INSERT INTO AutoGroup VALUES(12); INSERT INTO AutoGroup VALUES(10); INSERT INTO AutoGroup VALUES(20); INSERT INTO AutoGroup VALUES(25); INSERT INTO AutoGroup VALUES(27); INSERT INTO AutoGroup VALUES(30); INSERT INTO AutoGroup VALUES(50); INSERT INTO AutoGroup VALUES(60); INSERT INTO AutoGroup VALUES(45); INSERT INTO AutoGroup VALUES(46); INSERT INTO AutoGroup VALUES(35); INSERT INTO AutoGroup VALUES(30); INSERT INTO AutoGroup VALUES(47); INSERT INTO AutoGroup VALUES(20); INSERT INTO AutoGroup VALUES(61); --SELECT age FROM AutoGroup

 

--第一步，获取最大值、最小值、以及记录数量 WITH MaxAndMin AS ( SELECT MAX(age) MaxNum,MIN(age) MinNum,COUNT(*) CountNum FROM AutoGroup ), --第二步，确定组数和组距。 GroupStep AS ( SELECT  MaxNum,MinNum,CountNum,  CEILING (1+LOG(CountNum)/LOG(2)) GroupNum,  CEILING(CEILING(MaxNum-MinNum)/CEILING(1+LOG(CountNum)/LOG(2))) GroupStep FROM MaxAndMin ), --第三步，递归生成相应的频数分布表 GroupStandard(MinGroup,MaxGroup,Identiy) AS ( SELECT  e.MinNum MinGroup,e.MinNum+e.GroupStep MaxGroup,1 AS Identiy FROM GroupStep AS e UNION ALL SELECT  CAST(e.MinNum+e.GroupStep*identiy AS INT) MinGroup,  e.MinNum+e.GroupStep*(Identiy+1) MaxGroup,  Identiy+1 c FROM GroupStep AS e,GroupStandard d WHERE d.Identiy<e.GroupNum ) --第四步，根据频数表和原表进行相关区间统计 SELECTMinGroup,MaxGroup,count(*)  FROMAutoGroup a,GroupStandard b  WHEREa.age>=b.MinGroupANDa.age<b.MaxGroup  GROUPBYMinGroup,MaxGroup