[理學(xué)]03第3章用統(tǒng)計(jì)量描述數(shù)據(jù)-資料下載頁(yè)
2025-02-22 00:38本頁(yè)面
【正文】 tion ratio) ? 1. 對(duì)分類(lèi)數(shù)據(jù)離散程度的測(cè)度 ? 2. 非眾數(shù)組的頻數(shù)占總頻數(shù)的比率 ? 3. 計(jì)算公式為 4. 用于衡量眾數(shù)的代表性 ??? ????imimir fffffv 13 70 統(tǒng)計(jì)學(xué) 基礎(chǔ) 例：計(jì)算異眾比率 解： 在所調(diào)查的 50人當(dāng)中 ， 購(gòu)買(mǎi)其他品牌飲料的人數(shù)占70%， 異眾比率比較大 。 因此 ， 用 “ 可口可樂(lè) ” 代表消費(fèi)者購(gòu)買(mǎi)飲料品牌的狀況 ，其代表性不是很好 %50151501550??????rv不同品牌飲料的頻數(shù)分布 飲料品牌 頻數(shù) 比例 百分比 (%) 可口可樂(lè) 旭日升冰茶 百事可樂(lè) 匯源果汁 露露 15 11 9 6 9 30 22 18 12 18 合計(jì) 50 1 100 偏態(tài)與峰態(tài)的度量 偏態(tài)及其測(cè)度 峰態(tài)及其測(cè)度 第 3 章 數(shù)據(jù)的概括性度量 3 72 統(tǒng)計(jì)學(xué) 基礎(chǔ) 2022年 數(shù)據(jù)分布的形狀 — 偏態(tài)與峰態(tài) 扁平分布 尖峰分布 偏態(tài) 峰態(tài) 左偏分布 右偏分布 與標(biāo)準(zhǔn)正態(tài)分布比較！ 偏態(tài)及其測(cè)度 偏態(tài)與峰態(tài)的度量 3 74 統(tǒng)計(jì)學(xué) 基礎(chǔ) 2022年 偏態(tài) (skewness) 1. 統(tǒng)計(jì)學(xué)家 1895年首次提出 。所謂偏度 ， 就是指次數(shù)分布的非對(duì)稱(chēng)程度 ， 以 偏態(tài)系數(shù) 來(lái)表示 2. 測(cè)度統(tǒng)計(jì)量是偏態(tài)系數(shù) (coefficient of skewness) 2. 偏態(tài)系數(shù) =0為對(duì)稱(chēng)分布； 0為右偏分布；0為左偏分布 4. 偏態(tài)系數(shù)大于 1或小于 1， 為高度偏態(tài)分布；偏態(tài)系數(shù)在 ～ 1或 1～ ，為是中等偏態(tài)分布；偏態(tài)系數(shù)越接近 0，偏斜程度就越低 3 75 統(tǒng)計(jì)學(xué) 基礎(chǔ) 2022年 偏態(tài)系數(shù) (coefficient of skewness) 1. 根據(jù)原始數(shù)據(jù)計(jì)算 2. 根據(jù)分組數(shù)據(jù)計(jì)算 313)(nsfxMSKkiii????? ?????? ????3)2)(1( sxxnnnSK統(tǒng)計(jì)函數(shù) — SKEW 3 76 統(tǒng)計(jì)學(xué) 基礎(chǔ) 2022年 偏態(tài)系數(shù) (例題分析 ) 某電腦公司銷(xiāo)售量偏態(tài)及峰度計(jì)算表 按銷(xiāo)售量份組 (臺(tái) ) 組中值 (Mi) 頻數(shù) fi 140 ~ 150 150 ~ 160 160 ~ 170 170 ~ 180 180 ~190 190 ~200 200 ~210 210 ~220 220 ~ 230 230 ~ 240 145 155 165 175 185 195 205 215 225 235 4 9 16 27 20 17 10 8 4 5 256000 243000 128000 27000 0 17000 80000 216000 256000 625000 10240000 7290000 2560000 270000 0 170000 1600000 6480000 10240000 31250000 合計(jì) — 120 540000 70100000 ii fxM 3)( ? ii fxM 4)( ?3 77 統(tǒng)計(jì)學(xué) 基礎(chǔ) 2022年 偏態(tài)系數(shù) (例題分析 ) )(120540000)(120)185()(331013313???????????? iiikiiifMnsfxMSK結(jié)論： 偏態(tài)系數(shù)為正值，但與 0的差異不大，說(shuō)明電腦銷(xiāo)售量為輕微右偏分布，即銷(xiāo)售量較少的天數(shù)占據(jù)多數(shù)，而銷(xiāo)售量較多的天數(shù)則占少數(shù) 峰態(tài)及其測(cè)度 偏態(tài)與峰態(tài)的度量 3 79 統(tǒng)計(jì)學(xué) 基礎(chǔ) 2022年 峰態(tài) (kurtosis) 1. 統(tǒng)計(jì)學(xué)家 Pearson于 1905年首次提出 2. 數(shù)據(jù)分布扁平程度的測(cè)度 3. 峰態(tài)系數(shù) =0扁平峰度適中 4. 峰態(tài)系數(shù) 0為扁平分布 5. 峰態(tài)系數(shù) 0為尖峰分布 3 80 統(tǒng)計(jì)學(xué) 基礎(chǔ) 2022年 峰態(tài)系數(shù) (coefficient of kurtosis) 1. 根據(jù)原始數(shù)據(jù)計(jì)算 2. 根據(jù)分組數(shù)據(jù)計(jì)算 3)(414?????nsfxMKkiii統(tǒng)計(jì)函數(shù) — KURT ? ?4224)3)(2)(1()1()(3)()1(snnnnxxxxnnK ii????????? ? ?3 81 統(tǒng)計(jì)學(xué) 基礎(chǔ) 2022年 峰態(tài)系數(shù) (例題分析 ) 結(jié)論： 偏態(tài)系數(shù)為負(fù)值，但與 0的差異不大，說(shuō)明電腦銷(xiāo)售量為輕微扁平分布 3)(1207 0 1 0 0 0 0 03)(4414????????????nsfxMKkiii3 82 統(tǒng)計(jì)學(xué) 基礎(chǔ) 2022年 Excel中的統(tǒng)計(jì)函數(shù) ? MODE— 計(jì)算眾數(shù) ? MEDIAN— 計(jì)算中位數(shù) ? QUARTILE— 計(jì)算四分位數(shù) ? AVERAGE— 計(jì)算平均數(shù) ? HARMEAN— 計(jì)算簡(jiǎn)單調(diào)和平均數(shù) ? GEOMEAN— 計(jì)算幾何平均數(shù) ? AVEDEV— 計(jì)算平均差 ? STDEV— 計(jì)算樣本標(biāo)準(zhǔn)差 ? STDEVP— 計(jì)算總體標(biāo)準(zhǔn)差 ? SKEW— 計(jì)算偏態(tài)系數(shù) ? KURT— 計(jì)算峰態(tài)系數(shù) ? TRIMMEAN— 計(jì)算切尾均值 3 83 統(tǒng)計(jì)學(xué) 基礎(chǔ) 2022年 用 Excel計(jì)算描述統(tǒng)計(jì)量 Excel ?【 工具 】 ?【 數(shù)據(jù)分析 】 ? 【 描述 統(tǒng)計(jì) 】 ? 【 確定 】 ?【 輸入?yún)^(qū)域 】 ?【 輸出選項(xiàng) 】 ? 【 匯總統(tǒng)計(jì) 】 ?【 確定 】 Excel 3 84 統(tǒng)計(jì)學(xué) 基礎(chǔ) 2022年 用 Excel計(jì)算描述統(tǒng)計(jì)量 Excel輸出的描述統(tǒng)計(jì)量 3 85 統(tǒng)計(jì)學(xué) 基礎(chǔ) 2022年 數(shù)據(jù)的描述統(tǒng)計(jì)量 數(shù)據(jù)特征 集中趨勢(shì) 離散程度 偏態(tài)與峰態(tài) 中位數(shù)和分位數(shù) 眾數(shù) 極差和四分位差 偏態(tài)系數(shù) 方差或標(biāo)準(zhǔn)差 峰態(tài)系數(shù) 平均數(shù) 離散系數(shù) 3 86 統(tǒng)計(jì)學(xué) 基礎(chǔ) 2022年 本章小結(jié) ? 度量集中趨勢(shì)的統(tǒng)計(jì)量 ? 度量離散程度的統(tǒng)計(jì)量 ? 度量偏態(tài)與峰態(tài)的統(tǒng)計(jì)量 ? 各統(tǒng)計(jì)量的的特點(diǎn)及應(yīng)用場(chǎng)合 ? 用 Excel計(jì)算描述統(tǒng)計(jì)量 結(jié) 束
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1