3.1 应用Python编程,计算下列4组数据(Anscombe’s Quartet)的平均值、方差、标准差、最大值、最小值,y与x之间的相关系数,并对比分析4组数据的统计特征。
要求:以贴图的形式贴所编写的程序图及运行结果图。注意:相关程序需自己保存,以后的作业中要用。
I | II | III | IV | |||||||||||
| x | y |
| x | y |
| x | y |
| x | y | |||
1 | 10 | 8.04 | 1 | 10 | 9.14 | 1 | 10 | 7.46 | 1 | 8 | 6.58 | |||
2 | 8 | 6.95 | 2 | 8 | 8.14 | 2 | 8 | 6.77 | 2 | 8 | 5.76 | |||
3 | 13 | 7.58 | 3 | 13 | 8.74 | 3 | 13 | 12.74 | 3 | 8 | 7.71 | |||
4 | 9 | 8.81 | 4 | 9 | 8.77 | 4 | 9 | 7.11 | 4 | 8 | 8.84 | |||
5 | 11 | 8.33 | 5 | 11 | 9.26 | 5 | 11 | 7.81 | 5 | 8 | 8.47 | |||
6 | 14 | 9.96 | 6 | 14 | 8.10 | 6 | 14 | 8.84 | 6 | 8 | 7.04 | |||
7 | 6 | 7.24 | 7 | 6 | 6.13 | 7 | 6 | 6.08 | 7 | 8 | 5.25 | |||
8 | 4 | 4.26 | 8 | 4 | 3.10 | 8 | 4 | 5.39 | 8 | 19 | 12.50 | |||
9 | 12 | 10.84 | 9 | 12 | 9.13 | 9 | 12 | 8.15 | 9 | 8 | 5.56 | |||
10 | 7 | 4.82 | 10 | 7 | 7.26 | 10 | 7 | 6.42 | 10 | 8 | 7.91 | |||
11 | 5 | 5.68 | 11 | 5 | 4.74 | 11 | 5 | 5.73 | 11 | 8 | 6.89 |
1)程序及其运行结果:
2)4组数据的统计特征分析:
在这四组数据中,x值的平均数均是9.0,y值的平均数均是7.5;x值的方差为11.0,y值的方差约为4.12;x值标准差均为3.3,y值的标准差均为2.0;它们的相关度都是0.816,线性回归线都是y=0.50x + 3.00。第四组数据x的最小值为8,其余三组数据x的最小值为4,虽然四组数据的x、y的最大值、最小值不尽相同,但四组数据在平均值、方差、标准差以及它们的相关系数上来比对,其反映出的实际情况是非常相似的。
3.2 应用Python编程,实现下列4组数据的散点图,并在散点图中画出(用程序实现)y与x之间的线性回归方程;用图例的方式在散点图中标出线性回归方程(y = ax +b)和相关系数(r = 0.816);试分析数据可视化在数据分析中的重要性。
要求:以贴图的形式贴所编写的程序图及运行结果图。
1)程序及其运行结果:
2)数据可视化在数据分析中的重要性:
数据可视化主要旨在借助于图形化手段,清晰有效地传达与沟通信息,实际是协助人更强的剖析数据,而信息的品质在非常大水平上取决于其表达形式。
由上述四幅图所示,四组数据的分布大相径庭,第一组数据散点分布较为分散;第二组数据散点呈曲线分布,事实上反映了一个二次函数关系;第三组数据散点呈线性分布;第四组数据散点呈垂直分布,其异常值导致了平均数、方差、相关度、线性回归等所有统计数字全部发生变化,但其线性回归方程却是一致的。这可以说明,了解和分析原始数据的分布是非常重要的,而最直观、最直接体现数据分布的方法之一,就是运用数据可视化。所以说,数据分析不只仅仅局限于用统计的手段计算和分析,可视化工具也可对其起到很大的辅助作用。
数据可视化可以在认识原始数据“是什么?”的时候,起到洞察和直观的明晰了解数据的作用,在一定的框架的对比下进行“评估”,还可对未来的情况进行“预测”;数据可视化可以在寻找原始数据“为什么?”的答案的时候,借助数据洞察的规律,挖掘现象背后的原因;数据可视化在思考原始数据所带来的问题“怎么办?”的时候,从“洞察”和“评估”出发,考虑可操作、可执行的应对策略等。
总结来讲,当我们希望深入分析、挖掘有用结论时,可视化可以帮助我们发现规律、理清思路。