第三章统计数据的预处理.PDF

第三章统计数据的预处理 ① 异常数据 ② 缺失数据 数据预处理 把混在原始数据中的“异常数据”排除、把真 正有用的“信息”提取出来，有助于推断统计 得出正确分析结论。 1 ：异常数据取舍 2 ：未检出值和/或缺失值估算 采用异常数据进行推断统计得到的结论误 导带给科研与统计控制判断出错的隐患不 可小视。 一、异常数据 单个异常值：是指单个样本观测数据组内 隐含的个别异常数据。同义词有：可疑值、 异常值、极端值、端值、离群值、逸出值、 奇异值、超限值、粗值… 异常均数：三个以上（k≥3 ）样本多均数 要作统计分析比较时，无疑也要检查其中 是否隐含可疑均数。 研究者对7例糖尿病患者给某种药物后， 测量其血中胰岛素(/ml,X1)和血糖 (mg%,X2) 患者编号 1 2 3 4 5 6 7 胰岛素（X1 ） 24 17 18 12 15 121 10 血糖（X2 ） 142 170 194 213 214 238 249 作者采用直线相关分析 0.3140,γP 0.05 结论：血液中胰岛素与血糖两者含量之间 无直线相关 Correlations 胰岛素x1 血糖x2 胰岛 Pearson Correlation 1 .314 素x1 Sig. (2-tailed) .493 N 7 7 血 Pearson Correlation .314 1 糖x2 Sig. (2-tailed) .493 N 7 7 剔出第6对数据 Correlations 前后的Pearson 胰岛素xa 血糖xb 相关系数，前 胰岛 Pearson Correlation 1 -.936** 素xa Sig. (2-tailed) .006 者是0.314，后 N 6 6 者是-0.936， 血 Pearson Correlation -.936** 1 糖xb Sig. (2-tailed) .006 显示有相关 N 6 6 性！ **. Correlation is significant at the 0.01 level (2 il d)