统计学原理课件--第3章-数据的整理与显示

不同原因引起的寿命损失•统计研究表明，某种原因会引起寿命减少。我们用三种方式来描述统计研究结果。•第一种方式是文字描述。比如，未结婚的男性会使寿命减少3500天，女性则减少1600天；吸烟男性会使寿命减少2250天，女性则减少800天；饮酒会使寿命减少130；超重30%会使寿命减少1300天；滥用药物会使寿命减少90天等等•第二种方式是用表格来描述不同原因引起的寿命减少天数，结果如下：原因寿命减少天数原因寿命减少天数未结婚（男性）惯用左手吸香烟（男性）未结婚（女性）30%超重20%超重吸香烟（女性）抽雪茄35003285225016001300900800300危险工作，事故交通事故饮酒滥用药物一般工作，事故自然放射性喝咖啡医疗X射线3002001309074866第三种方式用图形来描述结果（两种图）35001600225080013090030032851300200300874669005001000150020002500300035004000未结婚（男性）未结婚（女性）吸香烟（男性）吸香烟（女性）饮酒20%超重抽雪茄惯用左手30%超重交通事故危险工作，事故自然放射性一般工作，事故医疗X射线喝咖啡滥用药物寿命减少天数系列135003285225016001300900800300300200130907486605001000150020002500300035004000未结婚（男性）惯用左手吸香烟（男性）未结婚（女性）30%超重20%超重吸香烟（女性）抽雪茄危险工作，事故交通事故饮酒滥用药物一般工作，事故自然放射性喝咖啡医疗X射线寿命减少天数系列1第3章数据整理与显示§3.1数据的预处理§3.2品质数据的整理与显示§3.3数值型数据的整理与显示§3.4合理使用图表学习目标1.了解数据预处理的内容和目的2.掌握分类和顺序数据的整理与显示方法3.掌握数值型数据的整理与显示方法4.合理使用统计表§3.1数据的预处理一.数据审核二.数据排序三.数据筛选数据的预处理1.数据的审核检查数据中的错误2.数据排序升序和降序寻找数据的基本特征3.数据的筛选找出符合条件的数据数据审核—原始数据(rawdata)•审核的内容1.完整性审核–检查应调查的单位或个体是否有遗漏–所有的调查项目或指标是否填写齐全2.准确性审核–检查数据是否有错误，计算是否正确等–检查数据是否有异常值数据的审核—原始数据(rawdata)•审核数据准确性的方法1.逻辑检查–从定性角度，审核数据是否符合逻辑，内容是否合理，各项目或数字之间有无相互矛盾的现象–主要用于对分类和顺序据的审核2.计算检查–检查调查表中的各项数据在计算结果和计算方法上有无错误–主要用于对数值型数据的审核数据的审核—二手数据(secondhanddata)1.适用性审核–弄清楚数据的来源、数据的口径以及有关的背景材料–确定数据是否符合自己分析研究的需要2.时效性审核–尽可能使用最新的数据3.确认是否必要做进一步的加工整理数据排序(datarank)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数据排序(方法)1.分类数据的排序字母型数据，排序有升序降序之分，但习惯上用升序汉字型数据，可按汉字的首位拼音字母排列，也可按笔画排序，其中也有笔画多少的升序降序之分2.数值型数据的排序–递增排序：设一组数据为x1，x2，…，xn，递增排序后可表示为：x(1)x(2)…x(n)–递减排序：可表示为：x(1)x(2)…x(n)数据筛选(datafilter)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.数据筛选的内容包括将某些不符合要求的数据或有明显错误的数据予以剔除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用Excel进行数据筛选8名学生的考试成绩数据数据筛选(datafilter)§3.2品质数据的整理与显示一.分类数据的整理与显示二.顺序数据的整理与显示数据的整理与显示(基本问题)1.要弄清所面对的数据类型，因为不同类型的数据，所采取的处理方式和方法是不同的2.对分类数据和顺序数据主要是做分类整理3.对数值型数据则主要是做分组整理4.适合于低层次数据的整理和显示方法也适合于高层次的数据；但适合于高层次数据的整理和显示方法并不适合于低层次的数据分类数据的整理与图示分类数据的整理(基本过程)•1.列出各类别2.计算各类别的频数3.制作频数分布表4.用图形显示数据分类频数比例百分比比率ABCDE分类数据的整理(可计算的统计量)1.频数(frequency)：落在各类别中的数据个数2.频数分布（frequencydistribution):数据在各个类别中的分配3.比例(proportion)：某一类别数据占全部数据的比值4.百分比(percentage)：将对比的基数作为100而计算的比值5.比率(ratio)：不同类别数值的比值分类数据整理—频数分布表(例题分析)【例】一家市场调查公司为研究不同品牌饮料的市场占有率，对随机抽取的一家超市进行了调查。调查员在某天对50名顾客购买饮料的品牌进行了记录，如果一个顾客购买某一品牌的饮料，就将这一饮料的品牌名字记录一次。右边就是记录的原始数据用Excel制作频数分布表分类数据的图示—条形图(barChart)1.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2.有单式条形图、复式条形图等形式3.主要用于反映分类数据的频数分布4.绘制时，各类别可以放在纵轴，称为条形图，也可以放在横轴，称为柱形图分类数据的图示—条形图(例题分析)15119690481216频数可口可乐旭日升冰茶百事可乐汇源果汁露露品牌不同品牌饮料的频数分布分类数据的图示—饼图(pieChart)1.也称圆形图，是用圆形及圆内扇形的角度来表示数值大小的图形2.主要用于表示总体或样本中各组成部分所占的比例，对于研究结构性问题十分有用3.绘制圆形图时，总体中各部分所占的百分比用园内的各个扇形角度表示，这些扇形的中心角度，是按各部分数据百分比占3600的相应比例确定的分类数据的图示—饼图(例题分析)不同品牌饮料的构成可口可乐30%旭日升冰茶22%汇源果汁12%百事可乐18%露露18%顺序数据的整理(可计算的指标)•1.累积频数(cumulativefrequencies)：各类别频数的逐级累加•2.累积频率(cumulativepercentages)：各类别频率(百分比)的逐级累加顺序数据的频数分布表(例题分析)【例】在一项城市住房问题的研究中，研究人员在甲乙两个城市各抽样调查300户，其中的一个问题是：“您对您家庭目前的住房状况是否满意？1．非常不满意；2．不满意；3．一般；4．满意；5．非常满意。甲城市家庭对住房状况评价的频数分布回答类别甲城市户数(户)百分比(%)向上累积向下累积户数(户)百分比(%)户数(户)百分比(%)非常不满意不满意一般满意非常满意24108934530836311510241322252703008.044.075.090.0100.03002761687530100.092562510合计300100.0————顺序数据的频数分布表(例题分析)乙城市家庭对住房状况评价的频数分布回答类别乙城市户数(户)百分比(%)向上累积向下累积户数(户)百分比(%)户数(户)百分比(%)非常不满意不满意一般满意非常满意21997864387.033.026.021.312.7211201982623007.040.066.087.3100.030027918010238100.093.060.034.012.7合计300100.0————顺序数据的图示—累计频数分布图(例题分析)243001322252700100200300400非常不满意不满意一般满意非常满意累积户数（户）(a)向上累积27616830300750100200300400非常不满意不满意一般满意非常满意累积户数（户）(b)向上累积甲城市家庭对住房状况评价的累积频数分布环形图(annularchart)1.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2.环形图与圆形图类似，但又有区别–圆形图只能显示一个总体各部分所占的比例–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环形图(例题分析)8%36%31%15%7%33%26%21%13%10%非常不满意不满意一般满意非常满意甲乙两城市家庭对住房状况的评价§3.3数值型数据的整理与显示一.数据分组二.数值型数据的图示分组方法•分组方法等距分组异距分组单变量值分组组距分组单变量值分组(要点)•1.将一个变量值作为一组•2.适合于离散变量•3.适合于变量值较少的情况组距分组(要点)1.将变量值的一个区间作为一组2.适合于连续变量3.适合于变量值较多的情况4.需要遵循“不重不漏”的原则5.可采用等距分组，也可采用不等距分组~~~~~组距分组(步骤)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K2.确定组距：组距(ClassWidth)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＝(最大值-最小值)÷组数3.统计出各组的频数并整理成频数分布表)2lg()lg(1nK组距分组(几个概念)•1.下限(lowlimit)：一个组的最小值•2.上限(upperlimit)：一个组的最大值•3.组距(classwidth)：上限与下限之差•4.组中值(classmidpoint)：下限与上限之间的中点值下限值+上限值2组中值=频数分布表的编制(例题分析)【例】某电脑公司2002年前四个月各天的销售量数据(单位：台)。试对数据进行分组。频数分布表的编制(步骤)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＝(237-141)÷10=9.6103.用Excel制作频数分布表108)2lg()120lg(1K等距分组表(上下组限重叠)等距分组表(上下组限间断)等距分组表(使用开口组)组距分组与不等距分组(在表现频数分布上的差异)1.等距分组–各组频数的分布不受组距大小的影响–可直接根据绝对频数来观察频数分布的特征2.不等距分组–各组频数的分布受组距大小不同的影响–各组绝对频数的多少不能反映频数分布的实际状况–需要用频数密度（频数密度=频数/组距）反映频数分布的实际状况分组数据—直方图(histogram)1.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2.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3.直方图下的总面积等于1分组数据的图示(直方图的绘制)140150210直方图下的面积之和等于1某电脑公司销售量分布的直方图我一眼就看出来了，销售量在170～180之间的天数最多!190200180160170频数(天)25201510530220230240分组数据—直方图(直方图与条形图的区别)1.条形图是用条形的长度(横置时)表示各类别频数的多少，其宽度(表示类别)则是固定的2.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，其高度与宽度均有意义3.直方图的各矩形通常是连续排列，条形图则是分开排列4.条形图主要用于展示分类数据，直方图则主要用于展示数值型数据分组数据—折线图(frequencypolygon)1.折线图也称频数多边形图2.是在直方图的基础上，把直方图顶部的中