掌握数据的整体状态
如果只是看到一堆数据,杂乱无章地排在一起,人很难看出它们到底反应了什么信息。而各种数据分析技术的发展,却要求我们在分析之前就能对数据从整体上尽可能把握特性,从而为后面的分析方法的选择及分析结果的理解提供可靠的依据。
统计学中对于一组数据的整体状态,提供了多方位多角度的衡量指标。从数值的角度,可以从两个方面进行描述:数据的集中趋势(central tendency),数据的变异性(variability)。从图示的角度,可以通过数据组的频数分布(frequency distribution)及直方图来形象地描绘数据组内数值的分布状态。
数据的集中趋势
数据的集中趋势很好理解,通俗地说,就是看看这组数据大概讲什么的。比如对于图2中的age数据,一眼看去,都在50以上,大概能够猜到这组数据主要讲的是老年人。但具体如何,在数据量大的情况下,就需要有一些确切的指标来表明其整体状态。这些指标最常见的就是均值(算术均值)、中值和众数;另外在医学统计学中,也经常会用到几何均值。
图2:年龄数据示例
均值 (算术均值,mean,arithmetic mean):数据组中所有数值的总和除以该组数值的个