统计学基础(二）

数据的整理与图示

分类数据：

一、频数与频数分布

1.频数与频数分布
2.列联表与交叉表
   --列联表：两个或两个以上变量交叉分类的频数分布表。
   --交叉表：二维的列联表。
3.比例，百分比，比率
   --比例：样本或总体各个部分的数据占全部数据纸币，通常反应样本或总体的构成结构。如男生占50%
   --百分比：比例*100
   --比率：样本或总体中不同类别数据之间的比值。如速度与时间之比，两个属性之间的比值

二、图示

条形图，帕累托(排序后的条形图)，饼图，环形图(挖去圆心的饼图，每个环代表一个样本）。

顺序数据：

一、累计频数与累计频率

1.累计频数：将各有序类别或组的频数逐级累加起来得到的频数。向上累积和向下累积两种
2.累计频率和累计百分比：百分比累加

二、图示

根据累计频数或累计频率绘制累计频数分布图。

数值型数据：

一、数据分组：

  单变量分组：适用于离散变量，变量值较少，如：如：工资分区间
  组距分组：将全部变量分成若干个区间，一个区间一个组，组的最小值为下限，组的最大值为上限。
  分组步骤：确定组数-->确定组距=(最大值-最小值)/组数-->根据分组整理成频数分布表
  组中值=（组合中上限值+组合中下限值)/2

二、图示

条形图，帕累托(排序后的条形图)，饼图，环形图(挖去圆心的饼图，每个环代表一个样本）；
直方图（用于分组数据）；
茎叶图和箱线图（用于未分组数据）；
线图（时间序列数据）；
散点图和气泡图和雷达图（用于多变量数据）；

注意：直方图和条形图的区别
直方图用面积表示各组频数的多少，矩形的高度表示各组的频数或频率，宽度表示组距。高度宽度均有意义。
条形图用条形的长度表示频数的多少，宽度是固定的。

箱线图

构成：最大值、最小值、上下四分位、中位数。连接上下四分位画出箱子。用于反应数据分布情况。

Q1下四分位：25%位置的数据。
Q2中位数：50%位置的数据。
Q3上四分位：75%位置的数据。
IQR四分位距=Q3上四分位-Q1下四分位

1.箱体包含了50%的数据，箱子的长度在一定程度上反映了数据的波动程度。箱子短：数据集中。箱子长：数据离散。
2.最大值和最小值：上下边缘。
3.异常值:异常值范围位于Q1-1.5IQR~Q3+1.5IQR。箱子外部的一些点。
4.中位数在箱子中间：数据大体上对称分布。例如：学生成绩高分低分分布均匀。
5.最大值最小值到箱子的距离差距过大：有极值，数据不对称。

偏态

平均数大于众数，称为正偏态（或右偏态）；相反，则称为负偏态（或左偏态）。
左偏分布：平均值<中位数<众数  存在极小值，把平均数往左边拉动，众数和中位数是位置代表值不影响。
右偏分布：众数<中位数<平均数  存在极大值，把平均数往右边拉动，众数和中位数是位置代表值不影响。

 

示例：

从图中来看，西方经济学的成绩离散程度最小(箱子最短，经济数学和基础会计学的成绩离散程度最大(箱子长)。
英语和西方经济学的考试成绩较高(中位数高）。英语，市场营销的考试成绩大体上为对称分布（中位数在箱子的中间位置，最大值最小值与箱子的位置大致相等）。

 

 

散点图

两个变量之间的关系，一个变量横轴，一个变量纵轴。

如下：随着温度的升高，降雨量变大。

 

气泡图

三个变量之间的关系，一个变量横轴，一个变量纵轴，第三个变量气泡大小。

如下，随着温度和降雨量的升高，小麦产量的气泡也越来越大，产量在增长。

雷达图

多个不同变量在不同样本间的相似性。