统计是搜集、分析、表述和解释数据的艺术和科学。
描述统计用表格、图形和数值方法来汇总数据。
统计推断是利用样本数据估计总体特征并进行假设检验的过程。
汇总分类变量的数据:频数分布,相对频数分布和百分数频数分布,条形图和饼形图。
汇总数量变量的数据:频数分布,相对频数分布和百分数频数分布,打点图,直方图,累积分布,茎叶显示。
用表格方法汇总两个变量的数据:交叉分组表,
辛普森悖论:依据综合和未综合数据得到的相反结论称为辛普森悖论。
用图形显示方法汇总两个变量的数据:散点图和趋势线,复合条形图和结构条形图。
散点图是对两个数量变量间关系的图形描述,趋势线显示相关性近似程度。
通过样本得到的统计数据称为样本统计量,来自总体的统计数据叫总体参数。在统计推断中,样本统计量被称为相应总体参数的点估计量。
3.1 对数据位置的度量:平均数,中位数,众数,四分位数。
平均数是数据中心位置的度量。
加权平均数:给每个观测值赋予了不同的权重。
几何平均数:常用于分析增长率。
中位数:对变量中心位置的度量。
众数:出现次数最多的数。
四分位数:将数据划分为四部分,每部分包含约1/4的观测值,这些分割点称为四分位数。
3.2 变异程度的度量:极差,四分位间距,方差,标准差,标准差系数。
极差:最大值减最小值。
四分位间距:第三四分位数减第一四分位数。
方差:总体方差是求出每个观测值和平均值之差的平方,求和,再除数据个数。样本方差的话分母是数据个数减一。
标准差:方差开方。
标准差系数:标准差除平均数乘100%。
3.3 分布形态,相对位置的度量以及异常值的检测
分布形态:对称的分布,平均数和中位数是相等的,当数据偏度是正时(右偏),平均数通常比中位数大,左偏则相反。
z分数:等于观测值减平均值,再除标准差,表示观测值距离平均值有多少个标准差。
切比雪夫定理:75%的数据在平均数加减两个标准差的范围内,89%在三个标准差范围内,94%的数据在四个标准差范围内。对分布形态没有要求。
经验法则:对钟形分布,68%的数据在平均数的一个标准差内,95%在两个标准差内,几乎所有的在3个标准差内。
异常值检测:对钟形分布,平均值加减三个标准差外的数据视为异常值。另一种方法,以第一四分位数减1.5倍四分位间距为下线,第三四分位数加1.5倍四分位间距为上限,这个范围之外的数据视为异常值。
3.4 五数概括法和箱型图
五数:最小值,第一四分位数,中位数,第三四分位数,最大值。
箱型图
3.5 两变量间关系的度量:样本协方差,相关系数。
协方差
样本协方差,