统计学笔记(精修版).doc

统计学笔记
绪论
第一节统计学的含义和作用
一、 什么是统计学
1.统计学的含义
统计学是有效收集、处理、分析和解释数据，发现规律，以便更好决策的一门方法论学科。
v 2. 分析数据的方法有描述统计、推断统计。
⑴描述统计
①描述统计是将所收集的 数据处理后，用数值、表格或图形形式表现 的有用信息。
②描述统计是基础，它 为推断统计、统计咨询、统计决策提供必要
⑵推断统计就是根据样本数据特征去估计或检验总体的数据特征。
二、 统计学的作用和重要性
1. 统计学的作用
人们用数据发现的规律做出更好的决策。
2. 要发现规律，对统计数据通常有要求：客观性、适用性、准确性和及时性。
三、 统计学是如何解决实际问题的？
统计学解决实际问题的基本思路是：
①提出与统计有关的实际问题；
②建立有效的指标体系；
③收集数据；
④选用或创造有效的统计方法处理、显示所收集数据的特征；
⑤根据所收集数据的特征、结合定性、定量知识作出总体特征的合理推断；
⑥根据推断给出更好决策的建议；
不解决问题时，重复第②-⑥步。
第二节 统计学的基本概念
v 一、总体、单位和样本
1.总体
统计总体是根据一定目的确定的，由客观存在的、具有某种同质性的许多个别事物构成的整体。
⑴同质性是确定统计总体的基本标准，它是根据统计的研究目的而定的。研究目的不同,所确定的总体也不同,其同质性的意义也随之变化。
⑵统计总体还应具备大量性，即统计总体应应该由足够数量的同质性单位构成。
2.总体单位（简称单位）是组成总体的各个个体。如典型案例1中英军的每架战机；事例4中的每个居民。
3.由总体的部分单位组成的集合称为样本（又称子样）。构成样本的单位称为样品，样本中样品的数目称为样本容量。
4. 统计学解决问题的目的是认识总体的数据特征。但是，当调查是破坏性的，或者出于成本、时间等因素考虑时，不必要或不可能对构成总体的所有单位都进行调查。

v 二、标志、指标(参数)和统计量
1.标志：
(1)总体单位普遍具有的属性或特征称为标志。
(2)标志按其表现分为品质标志和数量标志两种。
v ①品质标志表明单位属性方面的特征,品质标志的表现只能用非数值来描述.
(如：典型案例1中英军战机的类型，事例4中每个居民的性别。)
v ②数量标志表明单位数量方面的特征,其表现用数值来描述
(如: 典型案例1中英军战机的弹孔位置，事例4中每个居民的收入。)
2.参数（标志）
⑴统计总体具有的数量特征的概念和数值称为统计指标,也称为参数。
⑵统计指标由两项基本要素构成，即指标的概念和指标的取值。
(指标的概念是对所研究现象本质的抽象概括，也是对总体数量特征的质的规定性。)
(例如事例4中居民人口数100万人,总收入31.4亿元。)
⑶ 统计指标按表示形式可以分为数量指标和质量指标.
①凡是反映现象总规模、总水平的统计指标称为数量指标,用绝对数来表示。例如事例 4中居民总数100万人、总收入31.4亿元等，
②凡是反映现象相对水平和工作质量的统计指标称为质量指标，用相对数或平均数来表示.例如企业职工平均工资5000元、工人出勤率93%等。质量指标是总量指标的派生指标，以反映现象之间的内在联系和对比关系。
⑷单个指标不能反映总体的全貌，这便需要设立指标体系。统计指标体系是由一系列相互联系的统计指标组成的有机整体,用以反映所研究现象各方面相互依存相互制约的关系。
3.统计量
⑴统计量是样本观测量的一个已知函数,用来说明样本的特征。是样本观测量的一个已知函数,用来说明样本的特征。
⑵抽取的样本不同，统计量的观测值也就不同。如样本平均数、样本方差、样本比例是统计量,抽取样本后,人们通常用与总体参数对应的统计量观测值, 作为总体参数的估计.
(如某汽车制造企业从生产的一批轿车中抽取了16辆轿车，用这些轿车的平均行驶里程值、合格率值分别作为该批轿车平均行驶里程、合格率的估计。)
三、数据
v （一）变量与变量值
1.即说明现象的某一事实或数量的特征称为变量，将上述标志、指标和统计量的名称进行归纳就是变量。
2.变量的具体表现是变量值，数据就是变量及其表现，也可称为反映客观事物的事实或数量依据。
如:收入是一个变量，收入的表现是变量值。
3. 将在特定研究过程中收集的所有数据集合在一起，称为数据集。
4. 根据变量值的确定与否，变量分为确定性变量（受确定性因素影响，因素是明确的，可解释，可控制的）与随机变量（受许多不确定因素影响，如员工的起床时间）。
（二）数据的计量尺度
收集数据时需要用到以下四种由低到高的计量尺度：定类尺度、定序尺度、定距尺度和定比尺度，计量尺度的不同决定了不同的数据分析与处理方法。
1.定类尺度是说明客观现象无序类别的计量。定类尺度的主要数学特征是“=”或“≠”.如居民的性别是男、女计量,战机的类型是战斗机、轰炸机、侦察机等计量，这一场合的所使用的数值只作为无序分类的代码。
2. 定序尺度是说明客观现象有序类别的非数值计量。定序尺度的主要数学特征是“<”或“>”.例如,对居民的满意度计量可以分为非常满意、满意、一般、不满意、非常不满意五类。这一场合的所使用的数值只作为有序分类的代码。
3. 定距尺度是说明客观现象数值间距有意义的计量。其用确切的数值反映现象之间在量方面的差异，定距尺度的主要数学特征是“+”“–” 。如总量指标是定距尺度计量的。
（0不代表不存在）
4.定比尺度是说明客观现象两个数值比有意义的计量。定比尺度的主要数学特征是“x”“/”
如质量指标中的相对数、平均数是定比尺度计量的（0代表不存在）
5数据分类
⑴定类尺度，定序尺度的数据统称为定性数据。定性变量是指带有定性数据的变量。
⑵定距尺度，定比尺度的数据统称为为定量数据。定量变量是指带有定量数据的变量。
根据定量变量值连续出现与否，定量变量分为连续性变量与离散型变量。
①连续型变量是指变量在某一区域内的取值是连续不断的,无法一一列举。如:军机的弹孔位置，产品的寿命等。
②离散型变量是指变量的取值是间断的,可以一一列举。例如,产品数等。
（三）数据的类型
根据对客观现象观察的角度不同，统计数据可分为：横截面数据、时间序列数据和面板数据。
1.横截面数据又称为静态数据，它是指在同一时间对同一总体内不同单位进行观察而获得的数据。例如，2014年全国各省、市、自治区的居民收入总值就属于横截面数据。
2.时间序列数据又称为动态数据，它是指在某一段时期内按时间顺序对同一总体进行观察而获得的数据。例如，“十二五”期间我国按年份顺序的居民收入总值就属于时间序列数据
3 .面板数据则是同时在时间和截面空间上取得的二维数据。例如2005-2014年30个企业的总产值数据。面板数据则由30个企业10年的数据组成，共有300个观测值。从某一年份看，它是由30个企业总产值数
第二章 收集数据
第一节统计调查方案设计
调查方案设计是指导整个调查过程的纲领性文件，其主要内容主要包括以下几个方面：
一、确定调查目的
1. 调查要达到的具体目标
2. 回答“为什么调查？”
3. 调查之前必须明确
二、确定调查对象和调查单位
1. 调查对象：调查研究的总体或调查范围
2. 调查单位：需要对之进行调查的单位。可以是调查对象的全部单位（全面调查），也可以是调查对象中的一部分单位（非全面调查）
3. 回答“向谁调查？

三 、选择合适的调查方式、调查方法
1. 调查方式是指调查的组织方式，主要有：普查、抽样调查、典型调查、重点调查和统计报表制度
2. 调查方法是指收集统计资料的方法，主要有：问卷法、访谈法、观察法和实验法
四、设计调查项目和调查表
1. 调查项目：调查的具体内容
2. 调查表：表现调查项目的表格或问卷。有单一表和一览表两种形式。
3. 回答“调查什么？”
五、确定调查时间
统计调查时间包括两种涵义：调查时间和调查期限
1. 调查时间：调查资料的所属时间（时期或时点）。
2. 调查期限：进行调查工作的时间，包括搜集资料和报送资料的整个工作所需要的时间
六、调查报告的撰写
调查报告的撰写包括：调查过程的描述、依据调查数据所做的决策、对调查结果的评价
【在调查方案中，应给出：提交调查报告的具体时间，并对调查的精度、费用等提出具体要求】
七、制订调查工作的组织实施计划
第二节 数据收集来源
一、 数据收集的来源
1.原始数据：必须要求调研者亲自收集
2.二手数据：调研者需要识别和评估二手数据的有效性
二、二手数据的收集
1. 二手数据的来源
⑴内部二手数据
⑵外部二手数据
2.二手数据收集的特点
优点：快捷、成本低、易获取
缺点：相关性差、时效性差、可靠性低
四、 二手数据收集的注意事项
二手数据的评估主要包括：
1. 研究目的的评估——调研的目的是什么
2. 二手数据来源评估——谁收集了这些资料
3. 研究内容评估——收集了一些什么样的资料
4. 调查方式、方法评估——这些资料如何获得的
5. 二手数据相关性评估——这些资料与其他资料的一致程度如何
6. 二手数据时效性评估——这些资料是何时收集的
第三节 原始数据的收集
一、 数据收集的分类
1. 按数据收集的组织方式不同，分为统计报表和专门调查
统计报表：按照国家有关法规的规定，自上而下地统一布置、自下而上地逐级填报的一种调查组织方式。
专门调查：为了某一特定目的或专门问题而专门组织的调查
2. 按数据收集对象包括范围的大小不同，分为全面调查和非全面调查
全面调查：对构成调查对象中的所有党委进行一一不漏的调查
非全面调查：是在统计调查过程中，仅对调查中的一部分单位进行调查。 包括：抽样调查、重点调查、典型调查和非全面统计报表
3. 按数据收集的登记时间是否连续，分为经常性调查和一次性调查
经常性调查：又称连续性调查，它是为了观察社会经济现象在一定时期内的数量变化所进行的调查登记或数据收集
一次性调查：又称不连续性调查，它是对所研究的社会经济现象间隔一段时间所进行的调查登记或数据收集
4. 按数据收集实施主体的不同，分为政府统计调查和民间统计调查
v 二、数据收集的调查方式
数据收集的调查方式，按照组织方式主要有：普查、抽样调查、典型调查、重点调查和统计报表制度
1. 普查：专门组织的一次性全面调查
普查的特点：
⑴通常是一次性调查，周期性强
⑵全面性调查，收集的资料全面、系统、准确
⑶ 普查的点多面广，工作量大，投入多
普查应遵循以下原则：
⑴时间统一性原则
⑵登记工作的规范性原则
⑶普查项目统一规定原则
⑷同类普查同周期性原则
2. 抽样调查：从总体中随机抽取一部分单位作为样本进行调查，并根据样本数据推断总体数量特征的一种非全面调查。
⑴概率抽样：根据随机原则从总体中抽选样本，并根据样本信息对总体的某些特征做出估计推断，对推断可能出现的误差可以从概率意义上加以控制
非概率抽样：调查组根据自己的方便或主观判断抽取样本的方法
⑵抽样调查优势：经济性、时效性、准确性
⑶几种具体的抽样方式：
①　 简单随机抽样——是指从总体N个单位中随机抽取n个单位作为样本，使每个可能的样本被抽中的概率相等的一种抽样方式。
②　 分层抽样——主要特征分层按比例抽样，主要使用于总体中的个体有明显差异。共同点:每个个体被抽到的概率都相等N/M。
③　 整群抽样——是将总体中各单位归并成若干个互不交叉、互不重复的集合，称之为群;然后以群为抽样单位抽取样本的一种抽样方式。【应用整群抽样时，要求各群有较好的代表性，即群内各单位的差异要大，群间差异要小】
④　 等距抽样——首先将总体各单位按一定顺序排列，更具样本容量大小确定抽选间隔，然后随机抽取一个进入样本，直到满足要求为止的一种抽样方式
⑤　 多阶段抽样——是指将抽样过程分阶段进行，每个阶段使用的抽样方法往往不同，即将各种抽样方法结合使用，其在大型流行病学调查中常用。
第一阶段，将总体分为若干个一级抽样单位，从中抽选若干个一级抽样单位入样;
第二阶段，将入样的每个一级单位分成若干个二级抽样单位，从入样的每个一级单位中各抽选若干个二级抽样单位入样……，依此类推，直到获得最终样本
3. 典型调查：
从调查对象的全部单位中选择少数典型单位进行调查。目的是描述和揭示事物的本质特征和规律。调查结果不能用于推断总体
4.重点调查：
从调查对象的全部单位中选择少数重点单位进行调查。调查结果不能用于推断总体
5. 统计报表制度：按照国家有关法规的规定，自上而下地统一布置、自下而上地逐级填报的一种调查组织方式。
统计报表内容：报表目录、报表表式、填表说明
统计报表的资料来源：原始记录、统计台账、企业内部报表
三、数据收集的方法
1.问卷法: 邮寄调查、电话调查、电脑辅助电话调查、网络调查
2.访谈法
优点：广泛地认识客观现象、深入地研究问题、资料收集可靠和应用面很广
缺点：必须依赖具有较高素质的访问员、直接交谈会对获取资料的客观性产生负面影响、在不便询问时访谈无法实施、调查费用大、时间长，可能会碰到意料不到的困难
集体访谈：将一组被调查者集中在调查现场，让他们对调查的主题发表意见以获得资料
【常用的有：头脑风暴法、德尔非法（专家意见法）、深度访谈法】
个别访谈：调查者对每一名受访者进行一对一单独访谈。
3. 观察法：
就调查对象的行动和意识，调查人员边观察边记录以收集所需信息
调查人员不是强行介入
能够在被调查者不察觉的情况下获得资料
4.实验法
在设定的特殊实验场所、特殊状态下，对调查对象进行实验以获得所需资料。有室内实验法和市场实验法
第四节 统计数据的质量
一、统计数据的误差
统计调查误差分为登记性误差和代表性误差
1) 登记性误差：由于调查者或被调查者的人为因素所造成的误差。理论上讲可以消除
2) 代表性误差：用样本数据进行推断时所产生的误差。通常无法消除，但事先可以进行控制和计算

第三章  整理和显示数据
第一节 数据的整理与显示问题的提出
1.根据解决问题的目的确定分组的变量，如典型案例4中分组的变量为收入。
2.确定组数等，如典型案例4中，收入由贫到富分为5组，连续型变量如收入还涉及到确定每组组距、上限和下限。
3.按不重不漏的原则对数据进行分组，确定各组频数、频率，典型案例4还涉及到每组的收入值等。
4.用表、图显示整理的数据，如表3-1、图3-1
第二节 定量数据的整理与显示
v 一、定量数据的整理
1． 主要采用统计分组来整理。数据分组后，把每组的个数称为频数。每组个数所占比例称为频率。
2． 统计分组就是指根据统计研究的目的和客观现象的内在特点，按某个变量（或几个变量）把被研究的总体划分成为若干个不同性质的组，然后再统计出各组的频数，就形成了一张频数分布表。
3． 统计分组方法：单变量值分组和组距分组
1) 单变量值分组就是将一个变量值作为一组，适合变量值较少的情况。
比如居民家庭按照人口数进行分组，可分为1口人家庭、2口人家庭、3口人家庭、4口人家庭、5口人以上家庭的组别。
2) 组距式分组是将变量值的一个区间作为一组，适合于连续变量和变量值较多的离散型变量情况。组距式分组可采用等距分组，也可采用不等距分组。
①　 等距分组是指每组组距相等。
等距分组的基本步骤有：
第一步：确定组数：一般情况下，一批数据所分的组数不应少于5组且不多于15组。在实际分组时，可以参考经验公式来确定组数K，即
第二步：确定组距：组距是一组的上限与下限之差
组距＝( 最大值 - 最小值)÷ 组数
第三步：统计出各组的频数并整理成频数分布表。
【 统计各组频数时要注意遵循不重不漏的原则。为解决不重的问题，统计分组时习惯规定“上组限不在组内”比如100这一数值不能算在“90~100”这一组，而是算在“100~110”这一组内。】
闭口组：有上、下限值
开口组：“××以下”及“××以上”
组中值——常用作各组的代表值：下限与上限之间的中点值，即：

（100以下，缺下限）
（90以上，缺上限）
②　 不等距分组是指并非所有组距都相等。

二、 定量数据的图示
定量数据常用的统计图主要有直方图、茎叶图、曲线图、散点图等。

三、 频数分布图的类型
频数分布图则属于其中一种统计图，其主要类型有如下三种。
钟型分布：“两头小，中间大”即中间变量值分布的频数多，两端分布频数少，

（Ⅲ）中，其分布特征是以变量的平均数为对称轴，左右两侧对称分布
（Ⅰ）（Ⅱ）中为非对称分布，（Ⅰ）是右偏分布（Ⅱ）是左偏分布，
U型分布：“两头大，中间小”即中间的变量值分布频数少，两端的变量值分布频数多，与钟型分布刚好相反

J型分布：有两种类型，一种是正J型，即频数随着变量的增大而增多；另一种则呈反J型，即频数随着变量的增大而减少

第三节 品质数据的整理与显示
一、定类数据的整理与图示
（一）定类数据的整理
定类数据整理主要用频数分布表进行。
（二）定类数据的图示
定类数据的图示主要有条形图、饼图等
二、 定序数据的整理与图示
（一）定序数据的整理
定序数据也是采用频数分析表进行整理。
还可以计算累计频数和累计频率,累计方法有两种：向上累计和向下累计。
（二）定序数据的图示
定序型数据的统计图主要有累计频数分布图和环形图。（P50-51）

第四节 图表的合理使用

一、鉴别图形优劣的准则
（一）一张好的图形应具有的特征
1. 反映数据分布特征和规律。
2. 便于比较。
3. 有对图形的描述和文字说明。
（二）鉴别图形优劣的准则
1. 是否有助于真实、准确洞察问题的实质。
2. 是否提供完整的信息量，是否使复杂的观点简单化。
二 、统计表的设计

（一）统计表的概念和结构
1. 概念
统计表是表现统计资料的一种形式。
2. 结构
从形式上看，由四部分构成：
A、 总标题：是表的名称，概括统计表中要说明的内容；
B、横行标题：是各组的名称，反映总体各组成部分；
C、纵览标题：是分组标志或指标的名称，说明纵行所列各项资料的内容；
D、指标数值：也称数字资料，是统计表的具体内容。
从内容上看，由主词和宾词两个部分组成。主词是统计表所说明的总体，总体的各组或各组的名称。宾词是用于说明主词的各种指标。通常，统计表的主词列在表的左方，宾词列在表的右方，如表3-10所示（P52）
（二）统计表的种类
统计表按照总体分组情况不同，可分为简单表、分组表和复合表三类。
（三）统计表的编制
1.统计表线条的绘制。
通常统计表的上下端以粗线绘制，表内纵横线以细线绘制。表格的左右不封口。
2.合计栏的设置。
统计表各纵列需要合计时，可将合计列放在最后一行，各横行若需要合计时，可将合计列放在最前一栏或最后一栏。
3.标题的设计。
统计表的标题要简明扼要，以简练而准确的文字来概括统计资料的内容、资料所属时间、空间等。
4.计量单位的列法。
指标数值一般要有计量单位，若只有一种计量单位时，可在表右上端注明。如果计量单位不统一，可专设计量单位栏。
5.标志值的书写。
标志值应该填写整齐，对准位数。当数值太小可忽略不计时，写上“0”；当缺失某项资料时，用符号“…”表示；不应有数字时，用符号“-”表示。
6.注解或资料来源的标明。
一般而言，统计表下方应该注明资料来源，以便查考。

第四章 数据分布的数字特征
第一节 数据集中趋势的测定
一、集中趋势测定问题的提出和作用
（一）问题的提出
对于总体中的个体数据，有时会呈现出在一定范围内以某个数据为中心上下波动的分布特征，即数据有时具有它分布的中心，我们称之为数据分布的集中趋势。该如何测定一组数据的集中趋势呢？
二）集中趋势测定的作用
1.集中趋势指标的分类

2.集中趋势指标的作用
（1）可以反映一组数据分布的中心或一般水平；
（2）可以反映同一现象在不同时间或空间条件下的发展趋势或差异；
（3）可以用来分析现象之间的依存关系；
（4）样本平均数是统计推断的一个重要统计量。
v 二、集中趋势的测定
（一）数值平均数
数值平均数只适用于定量数据（数值型数据），而不适用于定性数据。
v 1.算术平均数
（1）简单算术平均数
简单算术平均数是根据未分组数据（原始数据）计算的一种平均数，它是将所有的原始数据相加再除以数据总个数得到的。
①　 样本计算的简单算术平均数的计算公式是：

②　 总体数据计算的简单算术平均数 的计算公式为：

（2）加权算术平均数
①　 加权算术平均数是根据分组数据计算的一种平均数。设样本被分为k组，各组的频数为fi样本计算的加权算术平均数的计算公式为：

其中，Xi有两种情况：在单变量值分组中，Xi代表各组的变量值；在组距式分组中，Xi代表各组的组中值， 称作权重（频率）。

②　 总体数据计算的加权算术平均数 的计算公式为：

（3）算术平均数的主要数学性质
①各变量值与其算术平均数的离差之和等于零;
即：

②各变量值与其算术平均数的离差平方和最小。
即：

2.调和平均数
调和平均数加权算术平均数的一种变形。
调和平均数与加权算术平均数的关系是：
若已知各组变量值 及其标志总量mi（mi=xifi ），而缺乏fi的数据时，则加权算术平均数可通过变形得到fi（fi=mi/xi）后，再以mi为权数的调和平均数形式来计算。

3.几何平均数
几何平均数是 n个变量值连乘积的n 次方根
（1）简单几何平均数
当样本数据中各变量值出现的次数都相同时，用简单几何平均数公式。

式中，xi代表各变量值，n为样本容量，为连乘符号

（2）加权几何平均数
当样本数据中各变量值出现的次数不全相同时，用加权几何平均数公式。

式中，xi代表各变量值，n为样本容量，为连乘符号
【如果获得一组总体数据，根据总体数据计算的几何平均数的公式与样本数据的基本相同。】
需要注意的是:
当数据中出现零或负值时不宜计算几何平均数;
几何平均数是一种适用于特殊数据的平均数，当变量值之间具有连乘积关系时，采用几何平均数更加合理;
现实生活中，几何平均数主要用于计算现象的平均增长率和平均发展速度（详见本书第九章）。

(二）位置代表值
v 1.众数
1) 众数（Mode）是一组数据中出现频数最多的变量值，通常用符号 表示。
2) 众数代表的是最常见、最普遍的情况。众数不仅可以度量定性数据的集中趋势，还可以度量定量数据的集中趋势。
3) 众数的特点：
①　 众数是位置型平均数，它只与位置有关，不受数据中极端值的影响；
②　 从分布形态上看，众数是一组数据分布最高峰点所对应的变量值；
③　 众数具有不唯一性（可以有一个或多个或没有）

4) 组距式分组数据中众数的求解较为复杂。在组距式分组数据中，求解众数的步骤：
①　 先要确定众数所在组；
如果是等距分组数据，那么次数最多的那一 组就为众数组；如果是不等距分组数据，那么组密度（组频率/组距）最大的组就为众数组。
②　 之后再按照下列公式求解众数的近似值。计算公式如下：
下限公式：
或上限公式：

v 2.中位数
1) 中位数是一组数据从小到大排序后位于中间位置上的变量值，通常用符号 表示。
2) 由于中位数和位置有关，所以中位数只能度量定序数据和数值型数据的集中趋势；
3) 求解中位数的步骤：
①　 首先，对数据进行排序；
②　 其次，确定中位数的位置，即中间位置；
③　 最后，计算中间位置上的变量值。
4) 中位数的位置计算公式为：
①　 数据个数n为奇数，
中位数为：
②　 数据个数n为偶数
中位数为：

③　 分组数据中位数的求解
对于分组数据而言，不需要再另外排序，直接按照分组的顺序即可。
分组数据中位数的位置计算公式：

求出中位数位置后，按照下列公式求解中位数的近似值。
（看例题P68）

5) 中位数特点及应用
①　 中位数是位置型度量值，其特点是不受极端值的影响，因此具有稳定性；
②　 在实际运用中，当数据的偏斜程度较大时，用中位数作为该组数据一般水平的代表值比较合适。
6) 分位数
①　 实际上，测度数据在特定位置上的水平，还可以计算四分位数、十分位数和百分位数等，我们统称它们为分位数 。
②　 四分位数的计算方法：
A. 四分位数:定义：一组数据由小到大排序后位于25%位置和75%位置处的变量值。
【位于在25%位置处的变量值（即下四分位数，用符号QL表示）和处在75%位置处的变量值（即上四分位数，用符号QU表示），上、下四分位数之间恰好包含了50%的数据。】
B. 求解四分位数的步骤
a) 先排序；
b) 然后确定上、下四分位数的位置；
c) 最后，求相应位置上的变量值。(看例题P69)

7) 箱线图
将中位数、四分位数和其他指标结合起来，可以更详细的反应数据的分布特征。箱线图是由一组数据的最小值（Xmin）、最大值（Xmax）、下四分位数（QL）、上四分位数（QU）和中位数（Me）这五个特征值构成。通过箱线图，可以观察数据的中心位置、离散程度及对称性等特征，同时还可以进行多组数据分布的比较。

v （三）算术平均数、众数和中位数三者的比较与应用
（1）算术平均数属于数值型平均数，它是根据全部数据计算的集中趋势测度值，因此可以综合反映全部数据的信息；众数和中位数属于位置型代表值，它们是根据数据分布的特定位置确定出的集中趋势测度值，因此不能概括全部数据的信息
（2）算术平均数和中位数在任何一组数据中都存在且具有唯一性，但不一定所有数据都存在众数，且众数也不具有唯一性。一般情况下，在数据量充分大并且具有明显集中趋势时，计算众数才有意义；
（3）算术平均数只适用于定量数据，中位数适用于定序数据和定量数据，众数则适用于所有数据，即定性数据和定量数据均可；
（4）算术平均数受极端值的影响，因此，当数据偏斜程度较大时（数据中存在极端值），不宜用算术平均数来代表数据的一般水平。众数和中位数不受极端值的影响，因此，当数据偏斜程度较大时，可以考虑用众数或中位数来代表数据的一般水平；
（5）算术平均数可以估计或推断总体特征值。而众数和中位数不宜用作此类推断
（6）算术平均数和众数、中位数的数量关系主要取决于数据分布的偏斜程度（非对称程度）
①　 对于呈现单峰分布的数据，如果数据的分布是对称的，则众数M0、中位数Me和算术平均数X三者相等，即M0=Me=X

②　 如果数据呈现左偏（负偏）分布，说明数据中存在极小值
从而略使中位数偏小，而众数则完全不受极小值大小和位置的影响，因此一般情况下，三者的关系表现为X＜Me＜M0

③　 如果数据呈现右偏（正偏）分布，则一般有：M0＜Me＜X

（7）皮尔逊经验公式数据呈现偏斜但偏斜程度不大时，算术平均数、众数和中位数之间存在一定的比例关系，即
第二节 数据离散程度的测定
一、离散程度测定问题的提出和作用
（一）离散程度测定问题的提出
由于差异性是数据的本质属性，所以各个数据与其分布中心之间总是存在着不同程度的偏离。我们把数据偏离其中心值的程度叫做离散程度，离散程度可以说明数据之间差异程度的大小，那么如何测定一组数据的离散程度呢？
（二）离散程度测定的作用
离散程度的大小主要通过变异指标来测定。变异指标的主要作用有：
1. 可以衡量平均指标的代表程度。变异指标值越大，则数据的离散程度越大、数据越分散，继而平均指标的代表性就越弱；反之，变异指标值越小，则数据的离散程度越小、数据越集中，继而平均指标的代表性就越强；
2.可以反映数据的稳定性和均衡性。变异指标值越大，则数据的离散程度越大，数据的稳定性和均衡性就越差；反之，则数据的离散程度越小，数据的稳定性和均衡性就越好。
二、离散程度的测定
(一) 异众比率
1. 异众比率是指非众数组的频数占总频数的比重，通常用Vr表示，计算公式为：

式中：是众数组的频数； 是变量值的总频数
2. 异众比率的特点：
1) 可用来衡量众数的代表性强弱，即，异众比率越大，则众数的代表性越弱；反之，众数的代表性就越强；
2) 异众比率主要用于测度定性数据的离散程度，也可以用于定量数据离散程度的测度。
(二) 极差、四分位差和平均差

1.极差
极差(Range)又称全距，是一组数据中最大值与最小值之差，通常用R表示。计算公式为：
1) 对于原始数据和单变量值分组数据：为一组数据的最大值； 为一组数据的最小值。
2) 对于组距式分组数据，极差就用变量值最大组的上限减去变量值最小组的下限近似得到。
3) 极差的特点：极差是变异指标中最简单的测度值，其优点是计算简便、易于掌握。但因极差只利用了一组数据两端的信息，容易受到极端值的影响。因此，极差不能全面、稳定地反映数据的离散程度。
2.四分位差
1) 四分位差是指上四分位数（QU）与下四分位数（QL）之差，因此也叫内距或四分间距，通常用 表示。计算公式为：
2) 四分位差特点：
①　 四分位差只能说明中间50%数据的离散程度，它依然不能充分反映全部数据的离散状况。四分位差越大，说明中间50%数据的离散程度越大；四分位差越小，说明中间50%数据的离散程度越小；
②　 在一定程度上，四分位差也可以反映中位数的代表性好坏；
③　 四分位差是一种顺序统计量，因此四分位差适用于测度定序数据和定量数据的离散程度。
3.平均差
1) 平均差(mean deviation)是各变量值与其算术平均数离差绝对值的平均数。因此，也称平均绝对离差，通常用M.D表示。
2) 平均差的计算有两种情况
①　 简单平均法
如果数据是未分组数据（原始数据），则用简单算术平均法来计算平均差：

②　 加权平均法
如果数据是分组数据，采用加权算术平均法来计算平均差：

3) 平均差的特点：
①　 平均差意义明确，计算结果易于理解，并且利用了全部数据的信息，反映了每个变量值与平均数的平均差异程度。因此能全面地反映一组数据的离散状况。平均差越大，则数据的离散程度越大；平均差越小，则数据的离散程度越小；
②　 为了避免正负离差相互抵消的现象发生，平均差在计算时给离差加上了绝对值。但由于绝对值的出现给计算带来了很大的不便，因此在实际应用中受到很大的限制。
v （三）方差和标准差
1) 方差是各变量值与其算术平均数离差平方的算术平均数。标准差就是方差的平方根。
2) 方差、标准差特点：
①　 方差、标准差利用了全部数据的信息，能较好地反映数据的离散程度；
②　 方差、标准差是通过平方的方法消去离差的正负号，这更便于数学上的处理。因此，方差、标准差是统计中最重要的变异指标，同时也是实际中应用最广泛的离散程度测度值。
3) 方差、标准差计算公式
总体数据

样本数据
①未分组数据（原始数据）的样本方差和样本标准差的计算公式分别为：

②分组数据的样本方差和样本标准差的计算公式分别为：
(k为组数)

v (四)标准化值(标准分数）
标准化值就是用各变量值与其平均数的离差再除以其标准差。
1) 标准化值的计算公式为：

2) 标准化值的特点：
标准化值具有均值为0，标准差为1的特性。
3) 经验法则【3σ 质量管理法则的原理】
使用条件：在正态分布或近似正态分布（对称的钟型分布）的条件下
l 大约有68%的数据位于均值±1个标准差范围内；
l 大约有95%的数据位于均值±2个标准差范围内；
l 大约有99%的数据位于均值±3个标准差范围内
4) 切比雪夫定理
利用切比雪夫定理来判断有多少的数据落入以均值为中心的k（标准化值）个标准差范围内。
使用条件：任意分布形态的数据：
根 据切比雪夫定理的内容，至少有（）的数据落入均值左右k个标准差范围内，其中k为大于1的任意数，当然也可以为小数。
l k =2说明至少有75%的数据落入均值±2个标准差范围内；
l k =3说明至少有89%的数据落入均值±3个标准差范围内；
l k=4说明至少有94%的数据落入均值±4个标准差范围内。

v （五）离散系数
l 离散系数也称变异系数（coefficient of variation），它是极差、四分位差、平均差或标准差等变异指标与其算术平均数对比的结果。
l 常用的离散系数有极差系数、平均差系数和标准差系数，但应用最广泛的是标准差系数。
l 标准差系数的计算公式：

l 离散系数的作用
离散系数是测度数据离散程度的相对统计量，可用于比较不同变量值水平或不同计量单位的不同组别数据的离散程度。离散系数大的，则该组数据的离散程度就大；离散系数小的，则该组数据的离散程度就小。

总结：反映数据离散程度的各测定值的应用场合
1）对于分类数据，主要用异众比率来测度其离散程度；
2）对于顺序数据，主要用四分位差来测度其离散程度；
3）对于数值型数据，主要用方差或标准差来测度其离散程度。
4）当需要对不同组别数据的离散程度进行比较时，则使用离散系数。

第三节 数据分布形态的测定
一、分布形态测定问题的提出和作用
（一）分布形态测定问题的提出
集中趋势和离散程度是数据分布特征的两个重要方面，但要想全面了解数据的分布特点，我们还需要知道数据的分布形状，那么如何测定一组数据的分布形状呢？
（二）分布形态测定的作用
通过分布形态的测定，我们可以了解数据分布形状的对称性以及分布曲线的扁平陡峭程度。将这两点结合，我们还可以判断数据是否接近于正态分布。
二、矩
1. 数据分布形态的测度主要是通过偏度系数和峰度系数来实现的。矩又是计算偏度系数和峰度系数的基础
2. 矩可分为总体矩和样本矩
样本距
一般来说，将一组样本X1,…,Xn与其算术平均数X离差的k次方的平均数称为样本的k 阶中心矩，即

算术平均数: 一阶原点矩
方差 : 二阶中心矩
阶数k=3和k=4时，矩则可以反映数据的分布形态特征。矩可以看成是一系列反映数据分布特征指标的统称。

v 三、偏度
偏度（skewness）是指数据分布的不对称程度或偏斜程度。偏度也就是对数据非对称程度和方向的测度。用来测定偏度的统计量是偏度系数，记作SK 。
对于分组数据，偏度系数SK 的计算公式为：

偏态系数性质：
①　 如果分布是对称的，则SK=0；
②　 如果SK≠0，说明分布是非对称的，
l 当SK＞0时，表明分布是右偏分布（正偏分布）；
l 当SK＜0时，表明分布是左偏分布（负偏分布）。SK的数值越大，表明数据的偏斜程度越大。

四、峰度
1. 峰度（kurtosis）是指数据分布曲线的陡峭或扁平的程度。
2. 对峰度的度量通常以正态分布曲线为标准进行比较。如果比