第二章 描述统计:表格与图形方法
第一节 数据的预处理
一、数据审核
1、准确性审核:审核的对象就登记性误差(非抽样误差)采取逻辑检查和计算检查方法 ·逻辑检查:主要看调查数据的内容是否合理,项目之间是否有矛盾的地方,以及与有关数
据进行对照,或者检查数据的平衡关系,以暴露逻辑上的矛盾
·计算检查:主要是从数字上检查,如各分项之和是否等于总计,计量单位是否合适,计算
方法上是否合理等等
2、全面性审核:核对应调查的单位是否有遗漏,应调查的内容是否齐全 3、及时性审核:即是否按规定的时间获取数据资料 二、数据筛选
1、当数据中的错误不能予以纠正,或者有些数据不符合调查的要求而又无法弥补时,需要
对数据进行筛选 2、数据筛选的内容
(1)将某些不符合要求的数据或有明显错误的数据予以剔除
(2)将符合某种特定条件的数据筛选出来,而不符合特定条件的数据予以剔除 3、数据筛选可借助计算机完成 三、数据排序
1、按一定顺序将数据排列,以发现一些明显的特征或趋势,找到解决问题的线索 2、排序有助于对数据检查纠错,以及为重新归类或分组等提供依据 3、在某些场合,排序本身就是分析的目的之一 4、排序可借助于计算机完成
第二节 定性数据的图表分析
一、频数分布:将统计数据分组后,各组数据出现的次数被称为频数(次数)。把各个组以
及相应的频数依一定的次序全部列出来,就形成了频数分布(次数分布)
1、频率:各组单位数占总体单位总数的比重××定性数据本身就是对事物的一种分类,在列出所分的类别的同时,再列出对应的频数或频率,就形成了分类数据的频数分布。 2、顺序数据的整理(可计算的统计量)
(1)累积频数:各类别频数的逐级累加。包括向上累积和向下累积两类。
(2)累积频率:各类别频率(百分比)的逐级累加。包括向上累积和向下累积两类。 &&补充:
1>向上累计:从变量值低的组开始,将各组次数(频率)逐次向变量值高的组累计,说明
某一组上限以下各组的累计次数(频率)。
2>向下累计:从变量值高的组开始,将各组次数(频率)逐次向变量值低的组累计,说明
某一组下限以上各组的累计次数(频率)。
3、比例:也称构成比,它是一个样本(或总体)中各类别的频数与全部频数之比,通常用
于反映样本(或总体)的构成或结构。
(1)将比例乘以100得到的数值称为百分比,用%表示。
(2)由比例和百分比我们可以编制相对频数分布表和百分数频数分布表。 二、定性数据的图形表示
·比较适用于定性数据的图形主要有:条形图、饼图、环形图等。
1、统计图—条形图:用宽度相同的条形的高度或长短来表示各类别数据的图形 (1)有单式条形图、复式条形图等形式 (2)主要用于反映分类数据的频数分布
(3)绘制时,各类别可以放在纵轴,称为条形图,也可以放在横轴,称为柱形图
2、分类数据的图示—饼图:也称圆形图,用圆形及圆内扇形的面积来表示数值大小的图形 (1)主要用于表示总体或样本中各组成部分所占的比例,适用于研究结构性问题
(2)绘图时,总体中各部分所占的百分比用圆内的各个扇形面积表示,这些扇形的中心角
度,是按各部分数据百分比占360°的相应比例确定的
3、环形图:中间有一个“空洞”,总体中的每一部分数据用环中的一段表示 ·环形图与圆形图类似,但又有区别
(1)圆形图只能显示一个总体各部分所占的比例
(2)环形图则可以同时绘制多个总体的数据系列,每一个总体的数据系列为一个环 (3)环形图可用于结构比较研究
(4)环形图主要用于展示分类和顺序数据
第三节 定量数据的图表分析
一、频数分布
1、单变量值分组:将每一个变量值作为一组。适合于离散变量且变量值较少的情况
2、组距分组:将全部变量值一次划分为若干个数值区间,每一个区间作为一组。适合于连
续变量或变量值较多的离散变量
(1)组距分组的方法:将作为分组依据的数量标志的整个取值范围依次划分为若干个满足
互斥性和包容性的区间,用这些数值区间作为组的名称。
(2)组距分组 的一些概念
1>组限:组距两端的数值分为上限U和下限L。上限是区间数值的最大值,下限是区间数
值的最小值
2>组距:每一组的区间长度。组距d=上限U-下限L ,表示各组标志值的变动范围。 3>组中值X:每一组中点位置的数值。组中值=(上限+下限)÷2
4>开口组:缺少上限数值或下限数值的组。开口组以相邻组的组距作为该组的组距,确定
其下限或上限,再计算组中值。
·缺下限的开口组组中值:上限—1/2临组组距 ·缺上限的开口组组中值:下限+1/2临组组距 5>等距分组:各组组距相等的分组 6>异距分组:各组组距不全相等的分组 (3)组距变量数列的编制
1>确定组数:组数的确定应以能够显示数据的分布特征和规律为目的。在实际分组时,
可以按 Sturges 提出的经验公式来确定组数K
2>确定组距:组距是一个组的上限与下限之差,可根据全部数据的最大值和最小值及所分的组数来确定,即组距d=( 最大值 - 最小值)÷ 组数
&& 此办法适合等距分组,若遇变量值较分散的情况,不可用此方法。组距宜取整数,
且是5或10的倍数较好
3> .确定各组组限。第一组的的下限应小于或等于最小变量值;最后一组的上限应大于最大
变量值;各组组限要取整数;第一组和最后组可取开口组;
4.》 统计各组的频数并整理成频数分布表 。统计各组频数总原则:不重不漏;对于重叠设
置的组限频数统计遵循上组限不在内原则
·上限不在内原则:当相邻两组的上下限重叠时,恰好等于某一组上限的变量值不算在本组内,而计算在下一组内 (4)频数分布表的编制
1>确定组数:根据 Sturges 提出的经验公式得组数K为:
2>确定各组的组距:组距=( 139 - 107)÷ 7≈4.6 ? 5 3>用Excel制作频数分布表 二、定量数据的图形表示
1、直方图:用矩形的宽度和高度来表示频数分布的图形,实际上是用矩形的面积来表示各
组的频数分布
(1)在直角坐标中,用横轴表示数据分组,纵轴表示频数或频率,各组与相应的频数就形
成了一个矩形,即直方图 (2)直方图下的总面积等于1 (3)直方图与条形图的区别
·直方图表示定量数据(定距、定比数据),条形图表示定性数据(定类、定序数据) ·条形图是用条形的长度表示各类别频数的多少,其宽度是固定的;直方图是用面积表示各
组频数的多少,矩形的高度表示每一组的频数或百分比,宽度则表示各组的组距,高度与宽度均有意义
·直方图的各矩形通常是连续排列,条形图则是分开排列
2、折线图 :也称频数多边形图,在直方图的基础上,把直方图中各矩形顶部的中点(即
组中值)用直线连接起来,再把原来的直方图抹掉就是折线图。
·折线图的两个终点要与横轴相交,将第一个矩形的顶部中点通过竖边中点(即该组频数或
频率一半的位置)连接到横轴,最后一个矩形顶部中点与其竖边中点连接到横轴。这样能使折线图下所围成的面积与直方图的面积相等,使二者表示的频数分布一致。
第四节 探索性数据分析:茎叶图和箱线图
一、茎叶图:又称“枝叶图”,能同时排列定量数据顺序并提供分布形态的深入信息
(1)茎叶图由两部分组成:茎与叶。茎:通常由每组数的高位数值形成,按组竖立在左边;
叶:通常由每组数的低位数值形成,按组横排在“茎”的右边。 (2)茎叶图制作
1>将每个数据的十位数作为茎,列在一条竖线的左边,在这条竖线的右边记录每个数据的最后一个数字作为叶。
2>将所有数据分别列示在竖线两侧 3>对竖线右侧每一行数据进行大小排序
4>为更清楚地显示数据的分布状况,将每根茎右侧的叶子用矩形框住 (3) 茎叶图的特点
1>优点:比较容易手工绘制;没有原始数据信息的损失,所有数据信息都可以从图中得到;
数据可以随时记录,随时添加,方便记录与表示。
2>.缺点:只便于表示两位有效数字的数据,且只方便记录两组数据,当样本数据较多时,
每个数据都要占据空间,很不方便
二、箱线图:由一组数据的最大值、最小值、中位数、上下四分位数绘制而成的统计图形,
从未分组数据来显示并分析数据的分布特征。
通过箱线图的形状可以看出数据分布的特征:短的一段分布密集,长的一段分布稀疏
第五节 两个变量间关系的图形显示:散点图
散点图:用二维坐标描述两个数值型变量之间关系的一种图形。
1、它用坐标横轴代表变量x,纵轴代表变量y,每对数据(x,y)在坐标系中用一个点(数
据点)表示,n对数据点在坐标系中形成的图就称为散点图。
2、两变量散点图、添加趋势线的散点图、重叠散点图、矩阵散点图(同时显示比较多个变
量两两之间的关系)
第三章 描述统计:数值方法
第一节 集中趋势的度量
一、均值
1、均值:就是算术平均数,是集中趋势的最主要测度值。它是一组数据的均衡点所在,体
现了数据的必然性特征,易受极端值的影响
2、均值的算法
(1)简单均值:未经分组整理的原始数据,其均值的计算就是直接将一组数据的各数值相
加除以数值个数。
设一组数据为: X1 ,X2 ,… ,Xn
(2)加权均值:根据分组整理的数据计算均值,要以各组变量值出现的次数或频数为权数
计算加权的均值。设原始数据被分为k组,各组变量为 X1 ,X2 ,… ,Xn;相应的
频数为f1 , f2 ,… ,fk
&&另:算术平均数的计算方法
权数:指变量数列中各组标志值出现的次数,是变量值的承担者,反映了各组的标志值对平
均数的影响程度