用sas作統(tǒng)計(jì)分析(編輯修改稿)
2025-03-08 02:48 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 3, 3, 4, 5, 8, 1131描述數(shù)據(jù)中心位置的統(tǒng)計(jì)量樣本觀(guān)測(cè)值： 4, 3, 11, 3, 1, 5, 832描述數(shù)據(jù)離散程度的統(tǒng)計(jì)量33描述數(shù)據(jù)離散程度的統(tǒng)計(jì)量樣本觀(guān)測(cè)值： 4, 3, 11, 3, 1, 5, 8 34與均值方差有關(guān)的統(tǒng)計(jì)量標(biāo)準(zhǔn)差 (Std Dev):標(biāo)準(zhǔn)誤 (Std Error):變異系數(shù) (CV)未校平方和 (USS)校正平方和 (CSS)35偏度 (Skewness)偏度 :(Skewness)精確地 0 0= 036峰度 (Kurtosis)峰度：(Kurtosis)精確地 0= 0 0 0 037分位數(shù) (Quantile)( 分位數(shù) )38分位數(shù) (Quantile)p分位數(shù)： 附近的一個(gè)數(shù)(小于 p分位點(diǎn)的樣本數(shù)約占樣本總數(shù)的 100p%)樣本觀(guān)測(cè)值： 4, 3, 11, 3, 1, 5, 8(1,3,3,4,5,8,11)43839SAS/INSIGHT數(shù)據(jù)的圖形描述 盒須圖40SAS/INSIGHT與 Analyst生成描述統(tǒng)計(jì)量Insight 生成描述性統(tǒng)計(jì)量 :Analyze ? Distribution(Y)Analyst 生成描述性統(tǒng)計(jì)量 :Statistics ? Descriptive ? Summary Statistics…或 ? Distributions… 41變量取值的宏觀(guān)描述對(duì)母體和樣本都可考慮它們各自的分布樣本直方圖總體分布密度樣本經(jīng)驗(yàn)分布總體累計(jì)分布42中心極限定理43標(biāo)準(zhǔn)正態(tài)分布密度44對(duì)數(shù)正態(tài)分布45Weibull 分布46SAS/INSIGHT分布擬合直方圖 (Graphs)+擬合分布密度 (Curves)經(jīng)驗(yàn)分布 (Curves)+擬合累計(jì)分布 (Curves)圖 (Graphs)+參照線(xiàn) (Curves)非正態(tài)參數(shù)分布的擬合 ： Curves+ Parametric Density非參數(shù)分布密度擬合 : Curves + Kernel由 Analyze ? Distribution(Y) 進(jìn)入后：47圖 48Analyst直方圖與分布擬合Statistics ? Descriptive ? Distributions... 擬合49方差分析 (Analysis of Variance)對(duì)多個(gè)均值進(jìn)行統(tǒng)計(jì)推斷通常使用方差分析方差分析是分析試驗(yàn)結(jié)果數(shù)據(jù)的重要方法50方差分析 (Analysis of Variance)在方差分析中：連續(xù)應(yīng)變量：記錄在各種條件下的觀(guān)測(cè)結(jié)果若干個(gè)分類(lèi)變量：設(shè)定觀(guān)測(cè)條件 (也稱(chēng)獨(dú)立變量 )分類(lèi)變量可表示固定效因或隨機(jī)效因分類(lèi)變量的不同值又稱(chēng)為水平51方差分析 (ANOVA)方差分析將觀(guān)測(cè)到的應(yīng)變量的變差分解為屬于不同分類(lèi)變量的和隨機(jī)誤差進(jìn)行分析52方差分析 (ANOVA) 53方差分析 (ANOVA)自由度分解方差分解或（效因模型、線(xiàn)性模型）單分類(lèi)數(shù)據(jù)的分析（均值模型）54方差分析 (ANOVA) 方差分
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1