统计学 数据的概括性度量

第四章 数据的概括性度量

数据分布的特征可以从三个方面进行测度和描述：一是分布的集中趋势，反映各数据向其中心值靠拢或聚集的程度；二是分布的离散程度，反映各数据远离其中心的趋势；三是分布的形状，反映数据分布的偏态和峰态。

4.1 集中趋势的度量

4.1.1 分类数据：众数

众数（mode）是一组数据中出现次数最多的变量值，用$M_{o}$表示。众数主要用于测度分类数据的集中趋势，当然也适用于顺序数据和数值型数据。一般情况下，只有在数据量较大的情况下，众数才有意义。

4.1.2 数序数据：中位数和分位数

1. 中位数
   是一组数据排序后处于中间位置上的变量值，用$M_{e}$表示。中位数主要用于测度顺序数据的集中趋势，当然也适用于数值型数据，但不适用于分类数据。
2. 四分位数
   它是一组数据排序后处于25%和75%位置上的值。四分位数是通过3个点将全部数据等分4部分，其中每部分包含25%的数据。

4.1.3 数值型数据：平均数

平均数也称均值（mean），它是一组数据相加后除以数据的个数得到的结果。不适用于分类数据和顺序数据。
根据所掌握数据的不同，平均数有不同的计算形式和计算公式。
1. 简单平均数（simple mean）和加权平均数（weighted mean）
1. 几何平均数（geometric mean） 是n个变量乘积的n次方根，用G表示。几何平均数主要用于计算平均比率。

4.1.4 众数、中位数和平均数的特点与试用场合

1. 众数是一组数据分布的峰值，不受极端值影响，其特点是不唯一，一组数据可能有一个众数，也可能有两个或多个众数，也可能没有众数。众数只有在数据量较多时才有意义，当数据量较少时，不宜食用众数。众数主要适合作为分类数据的集中趋势测度值。
2. 中位数时一组数据中间位置上的代表值，不受数据极端值影响。当一组数据的分布偏斜程度较大时，使用中位数也许是一个较好的选择。中位数主要适合于数序数据的集中趋势测度值。
3. 平均数是针对数值型数据计算的，而且利用了全部数据信息。当数据呈对称或接近对称分布时，3个代表值相等或接近相等，这时应该选在平均值作为集中趋势的代表值。但平均数的主要缺点是容易受到极端值影响，对于偏态数据，可以考虑中位数和众数。

4.2 离散程度的度量

数据的离散程度时数据分布的另一个重要特征，它反映的是各个变量值远离其中心值的程度。数据的离散程度越大，集中趋势的测度值对该组数据的代表性就越差。离散程度越小，其代表性就越好。描述数据离散程度采用的测度值，根据数据类型的不同主要有异纵比率、四分位差、方差和标准差。 此外，还有极差、平均差以及测度相对离散程度的离散系数等。

4.2.1 分类数据：异纵比率

异纵比率（variation ratio）是指非众数组的频数占总频数的比例，用$V_{r}$表示。其计算公式为：

$$V_{r} = \frac{\sum f_{i} -f_{m} } {\sum f_{i}}$$

式中