数据的描述性统计

一、集中趋势的度量

集中趋势：

1.一组数据向其中心值靠拢的倾向和程度
2.测量集中趋势就是寻找数据水平的代表值和中心值
3.不同数据类型用不同的集中趋势测量值
4.低层次的测量值适用于高层次的测量数据；高层次的测量值不适用于低层次的测量数据

1.1 分类数据：众数(M0)

1.一组数据中出现次数最多的变量值
2.适用于数据较多的情况
3.不受极端值影响
4.一组数据可能没有众数，也可以有多个众数
5.主要用于分类数据，也可以用于数值数据和顺序数据

1.2 顺序数据：中位数(Me)和分位数

1.排序后位于中间位置的值
2.不受极端值影响
3.主要用于顺序数据，也可用于数值数据，不能用于分类数据
4.各变量值与中位数的差绝对值之和最小

当n为奇数，中位数为中间的数
当n为偶数，中位数为中间两个数的均值

四分位数：

1.排序后处于25%和75%位置上的值
2.不受极端值影响

1.3 数值型数据：平均数

1.集中趋势最常用的测量值
2.一组数据的均衡点所在
3.体现数据的必然性特征
4.易受极端值影响
5.有简单平均数和加权平均数之分
6.根据总体数据计算的，称为平均数，记为μ；根据样本数据计算的，为样本平均值记为X拔。

总体平均值是个定值，而样本平均值会随抽样改变

几何平均数：

1.n个变量乘积的n次方根
2.适用于对比率数据的平均
3.主要用于计算平均增长率
4.可看作平均数的一种变形，即两边取log

众数、中位数、均值关系

众数、中位数、均值 特点及应用场景

二、离散程度的度量

离中趋势：

1.反映各变量值远离其中心值的程度(离散程度)
2.从另一个侧面说明了集中趋势测量值的代表程度
3.不同类型的数据有不同的离散程度测量值

2.1 分类数据：异众比率

1.对分类数据离散程度的测量
2.非众数组的频数占众数的比例
3.用于衡量众数的代表性

2.2 顺序数据：四分位差

1.也叫内距、四分间距
2.对顺序数据离散程度的测量
3.上四分位数与下四分位数的差
4.反映中间50%数据的离散程度
5.不受极端值影响
6.衡量中位数的代表性

2.3 数值型数据：方差和标准差

极差：

1.一组数据最大值和最小值之差
2.离散程度最简单的测量值
3.易受极端数据影响
4.未考虑数据的分布

方差标准差

1.数据离散程度常用测量值
2.反映各变量值与均值的平均差异
3.根据总体数据计算的 为总体方差 （标准差）；根据样本数据计算的为样本方差（标准差）

2.4 相对离散程度：离散系数

1.标准差与对应均值之比
2.对数据相对离散程度的测量
3.消除了数据量级的影响
4.用于对不同组别数据离散程度的比较

三、偏态和峰态的度量

3.1 偏态

1.数据分布倾斜程度的测量
2. =0，为对称分布；>0,右偏分布; <0，左偏分布
3. >1或<-1，为高度偏态分布;0.5·1或-1~-0.5，中等偏态分布
4.偏态系数已经是去除量纲之后的参数
5.计算公式：

3.2 峰态

1.数据分布扁平程度的测量
2.=0,扁平峰度适中；<0，扁平分布;>0，尖峰分布
3.去除了量纲