统计学原理数据特征的描述.pptxVIP

统计学原理数据特征的描述

CATALOGUE目录数据特征与描述性统计集中趋势度量离散程度度量偏态与峰态度量数据可视化在描述性统计中应用总结与展望

01数据特征与描述性统计

数值型数据，如身高、体重等，可进行数学运算。定量数据定性数据数据来源分类数据，如性别、职业等，用于描述事物的属性或特征。包括调查、实验、观测等多种方式，需关注数据的真实性和可靠性。030201数据类型及来源

03偏态与峰态偏态反映数据分布的不对称性，峰态反映数据分布尖峭或扁平的程度。01集中趋势反映数据向某一中心值靠拢的程度，常用指标有均值、中位数和众数。02离散程度描述数据分布的离散状况，常用指标有方差、标准差和四分位距。描述性统计概念

通过描述性统计指标，可初步了解数据的分布规律及特点。了解数据分布规律描述性统计是推断性统计的基础，有助于选择合适的统计方法。为进一步分析奠定基础通过对数据的描述性分析，可发现数据中的异常值或潜在问题。发现问题和异常值基于数据的描述性分析结果，可为相关决策提供数据支持。为决策提供支持数据特征分析意义

02集中趋势度量

所有观察值的总和除以观察值的个数。定义适用于等距和比率数据，利用所有数据信息，代数处理方便。优点易受极端值影响，不能用于明显偏态分布的数据。缺点算术平均数

中位数众数优点缺点中位数和众一组数据按大小顺序排列后，位于中间位置的数。一组数据中出现次数最多的数。不受极端值影响，适用于偏态分布数据。可能不唯一，不提供所有数据的信息。

123算术平均数适用于对称分布或近似对称分布的数据；中位数和众数适用于偏态分布数据。适用情况算术平均数受极端值影响较大，稳定性较差；中位数和众数受极端值影响较小，稳定性较好。稳定性算术平均数利用所有数据信息，代表性较强；中位数和众数只利用部分数据信息，代表性相对较弱。代表性不同集中趋势度量比较

03离散程度度量

一组数据中最大值与最小值之差，用于反映数据的波动范围。上四分位数与下四分位数之差，用于衡量中间50%数据的离散程度。极差与四分位差四分位差极差

方差与标准差方差各数值与其平均数离差平方的平均数，用于反映数据分布的离散程度。标准差方差的算术平方根，用于衡量数据分布的离散程度，具有与原始数据相同的计量单位。

标准差与平均数的比值，用于比较不同计量单位或平均数不同组别间数据的离散程度。离散系数在质量管理、财务分析、市场调研等领域中，离散系数可用于评估数据的波动性和稳定性，帮助决策者做出更准确的判断和预测。应用离散系数及其应用

04偏态与峰态度量

偏态定义偏态是指数据分布的不对称性。在统计学中，偏态通常指的是概率分布的不对称程度。偏态度量方法偏态系数是度量数据分布偏态程度的一个统计量，通常用SK表示。计算公式为：SK=(均值-中位数)/标准差。当SK0时，分布呈右偏态；当SK0时，分布呈左偏态；当SK=0时，分布呈对称态。偏态及其度量方法

峰态及其度量方法峰态是指数据分布的尖峭或扁平程度。在统计学中，峰态通常指的是概率分布的尖峰或平峰程度。峰态定义峰态系数是度量数据分布峰态程度的一个统计量，通常用K表示。计算公式为：K=(n*(n+1)*方差^2)/((n-1)*(n-2)*(n-3)*均值^4)-3*(n-1)^2/((n-2)*(n-3))。当K0时，分布呈尖峰态；当K0时，分布呈平峰态；当K=0时，分布呈正态分布的峰态。峰态度量方法

偏态和峰态的联系偏态和峰态都是描述数据分布形态的统计量，它们之间存在一定的联系。一般来说，偏态程度较大的分布往往也具有较高的峰态程度。偏态和峰态的区别偏态主要描述数据分布的不对称性，而峰态主要描述数据分布的尖峭或扁平程度。两者在描述数据分布形态时侧重点不同。偏态和峰态的应用在实际应用中，偏态和峰态可以用于判断数据分布是否符合正态分布、检验样本数据的代表性以及进行异常值识别等。同时，对于非正态分布的数据，了解其偏态和峰态特征有助于更准确地描述数据分布规律。偏态和峰态关系探讨

05数据可视化在描述性统计中应用

数据可视化概念将数据通过图形或图像的方式进行呈现，以便更直观、清晰地展示数据特征和规律。常见数据可视化工具Excel、Python（Matplotlib、Seaborn等库）、R语言（ggplot2等包）、Tableau、PowerBI等。数据可视化概念及工具介绍

折线图适用于展示时间序列数据，反映事物随时间变化的趋势，如股票价格、气温变化等。柱状图/条形图适用于展示不同类别数据之间的数量对比，如销售额、人口数等。散点图适用于展示两个变量之间的关系，可以观察变量之间的相关性和分布规律，如身高与体重的关系。箱线图适用于展示数据的分布情况，包括中位数、四分位数、异常值等，可用于多组数