数学建模——数据特征分析

一、分布分析

        对于定量数据，欲了解分布形式，是对称还是非对称，可做出频率分布表、绘制频率分布直方图，绘制茎叶图进行直观的分析

        对于定性变量，常根据变量的分类类型进行分组，可以采用饼图和条形图来描述定性变量的分布。

二、对比分析

        把两个相互联系的指标数据进行比较，从数量上展示和说明研究对象规模的大小、水平的高低、速度的快慢等。特别使用于指标间的横纵向比较，时间序列的比较分析。

方法：

        绝对数比较

        相对数比较

三、统计量分析

        集中趋势：均值、中位数、众数

        离中趋势度量：极差、标准差、变异系数（获奖论文用过）

四、周期性分析

五、贡献度分析（帕累托分析）

        二八定律

六、相关性分析

方法：

（一）绘制散点图

（二）绘制散点图矩阵

（三）计算相关系数

注：Pearson和Speraman均需要进行假设检验，使用t检验检验其显著性水平。在正态分布假定下，两种方法在相率上等价，对于连续测量数据，更适合用Pearson

1.Pearson相关系数

分析两个连续性变量之间的关系

                                            

其中统计量t服从自由度（n-2）的分布：

                ​​​​​​​        ​​​​​​​        ​​​​​​​        ​​​​​​​        ​​​​​​​        ​​​​​​​

2.Speraman秩相关系数

描述分类或等级变量之间、分类或等级变量与连续变量之间的关系。

                                                

变量：

        ·分类变量：定性变量/属性变量，例如：性别（男、女）；婚姻状态（已婚、未婚）等

        ·等级变量：顺序变脸，例如：教育水平（小学、初中、高中、大学）；满意度（非常不满意、不满意、一般、满意、非常满意）等。

        ·连续变量：数值型变量。取值任意，可进行数值上的计算和比较

3.Kendall’s tau-b相关性分析：用于分析有序定类变量相关性