第 3 章 数据的整理与显示 PowerPoint 统计学.

Presentation on theme: "第 3 章 数据的整理与显示 PowerPoint 统计学."— Presentation transcript:

1 第 3 章 数据的整理与显示 PowerPoint 统计学

2 §3.1 数据的预处理 §3.2 分类和顺序数据的整理与显示 §3.3 数值型数据的整理与显示 §3.4 统计表
第 3 章 数据的整理与显示 §3.1 数据的预处理 §3.2 分类和顺序数据的整理与显示 §3.3 数值型数据的整理与显示 §3.4 统计表

3 学习目标 了解数据预处理的内容和目的 掌握分类和顺序数据的整理与显示方法 掌握数值型数据的整理与显示方法 用Excel作频数分布表和形图
合理使用统计表

4 §3.1 数据的预处理 一. 数据审核 二. 数据筛选 三. 数据排序

5 数据的预处理 数据的审核 检查数据中的错误 数据的筛选 找出符合条件的数据 数据排序 升序和降序 寻找数据的基本特征

6 数据审核

7 数据审核—原始数据 (raw data)  审核的内容 完整性审核 准确性审核 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 准确性审核 检查数据是否真实反映客观实际情况，内容是否符合实际 检查数据是否有错误，计算是否正确等

8 数据的审核—二手数据 (second hand data)
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 时效性审核 尽可能使用最新的数据 确认是否必要做进一步的加工整理

9 数据筛选与排序

10 数据筛选 (data filter) 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
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

11 数据筛选 (data filter) 用Excel进行数据筛选 8名学生的考试成绩数据

12 数据排序 (data rank) 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
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 在某些场合，排序本身就是分析的目的之一 排序可借助于计算机完成

13 §3.2 分类和顺序数据的整理与显示 一. 分类数据的整理与显示 二. 顺序数据的整理与显示

14 数据的整理与显示 (基本问题) 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
对分类数据和顺序数据主要是做分类整理 对数值型数据则主要是做分组整理 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

15 分类数据的整理与图示

16   分类数据的整理 (基本过程) 1. 列出各类别 3. 制作频数分布表 4. 用图形显示数据 2. 计算各类别的频数 分类 频数 比例
2. 计算各类别的频数 1. 列出各类别 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 A B C D E

17 分类数据的整理 (可计算的统计量) 频数(frequency) ：落在各类别中的数据个数
比例(proportion) ：某一类别数据占全部数据的比值 百分比(percentage) ：将对比的基数作为100而计算的比值 比率(ratio) ：不同类别数值的比值

18 分类数据整理—频数分布表 (例题分析) 用Excel制作频数分布表
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 绿色 健康饮品 用Excel制作频数分布表

19 分类数据的图示—条形图 (例题分析)

20 分类数据的图示—饼图 (例题分析)

21 顺序数据的整理与图示

22       顺序数据的整理 (可计算的指标)
1. 累积频数(cumulative frequencies)：各类别频数的逐级累加 2. 累积频率(cumulative percentages)：各类别频率(百分比)的逐级累加      

23 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 非常不满意 不满意 一般 满意 非常满意 24 108 93 45 30 8 36 31 15 10 132 225 270 300 8.0 44.0 75.0 90.0 100.0 276 168 75 92 56 25 合计 —

24 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
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 非常不满意 不满意 一般 满意 非常满意 21 99 78 64 38 7.0 33.0 26.0 21.3 12.7 120 198 262 300 40.0 66.0 87.3 100.0 279 180 102 93.0 60.0 34.0 合计 —

25 顺序数据的图示—累计频数分布图 (例题分析)
顺序数据的图示—累计频数分布图 (例题分析) 24 300 132 225 270 100 200 400 非常 不满意 一般 满意 累 积 户 数 （户） (a)向上累积 276 168 30 300 75 100 200 400 非常 不满意 一般 满意 累 积 户 数 （户） (b)向下累积 甲城市家庭对住房状况评价的累积频数分布

26 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
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

27 §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

28 数据分组

29 分组方法 分组方法 单变量值分组 组距分组 等距分组 异距分组

30 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 

31 组距分组 (要点)  ~  将变量值的一个区间作为一组 适合于连续变量 适合于变量值较多的情况 需要遵循“不重不漏”的原则
组距分组 (要点) 将变量值的一个区间作为一组 适合于连续变量 适合于变量值较多的情况 需要遵循“不重不漏”的原则 可采用等距分组，也可采用不等距分组  ~ 

32 组距分组 (步骤) 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 确定组距：组距(Class Width)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 统计出各组的频数并整理成频数分布表

33 组距分组 (几个概念) 1. 下限(low limit) ：一个组的最小值 2. 上限(upper limit) ：一个组的最大值
3. 组距(class width) ：上限与下限之差 4. 组中值(class midpoint) ：下限与上限之间的中点值 下限值+上限值 2 组中值 =

34 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。

35 频数分布表的编制 (步骤) 确定组数：根据 Sturges 提出的经验公式得组数K为： 确定各组的组距：
组距＝( )÷ 10=9.6  10 用Excel制作频数分布表

36 等距分组表 (上下组限重叠)

37 等距分组表 (上下组限间断)

38 等距分组表 (使用开口组)

39 组距分组与不等距分组 (在表现频数分布上的差异)
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 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

40 数值型数据的图示 分组数据—直方图和折线图 Excel

41 分组数据的图示 (直方图的绘制) 直方图下的面积之和等于1 频 数 (天) 25 20 15 10 5 30 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! 频 数 (天) 25 20 15 10 5 30 180 190 200 170 210 160 220 140 150 240 230 某电脑公司销售量分布的直方图

42 分组数据—直方图 (直方图与条形图的区别)
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 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 直方图的各矩形通常是连续排列，条形图则是分开排列 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

43 分组数据的图示 (折线图的绘制) 频 数 (天) 25 20 15 10 5 30 折线图与直方图 下的面积相等！
140 150 160 170 180 190 200 210 220 230 240 某电脑公司销售量分布的折线图

44 数值型数据的图示 未分组数据—茎叶图和箱线图 STATISTICA

45 未分组数据—茎叶图 (例题分析)

46 未分组数据—茎叶图 (扩展的茎叶图)

47 未分组数据—单批数据箱线图 (箱线图的构成)
中位数 4 6 8 10 12 Q U L X 最大值 最小值 简单箱线图

48 未分组数据—多批数据箱线图 (例题分析) 【例】 从某大学经济管理专业二年级学生中随机抽取11人，对8门主要课程的考试成绩进行调查，所得结果如表。试绘制各科考试成绩的批比较箱线图，并分析各科考试成绩的分布特征 11名学生各科的考试成绩数据 课程名称 学生编号 1 2 3 4 5 6 7 8 9 10 11 英语 经济数学 西方经济学 市场营销学 财务管理 基础会计学 统计学 计算机应用基础 76 65 93 74 68 70 55 85 90 95 81 87 75 73 91 78 97 51 92 71 88 69 84 66 63 79 80 60 67 86 83 77 82 72 94 62

49 未分组数据—多批数据箱线图 (例题分析) 11名学生8门课程考试成绩的箱线图 105 95 85 75 65 55 45 学生1 学生3
未分组数据—多批数据箱线图 (例题分析) 105 95 85 75 65 55 Min-Max 45 学生1 学生3 学生5 学生7 学生9 学生11 25%-75% 学生2 学生4 学生6 学生8 学生10 Median value 11名学生8门课程考试成绩的箱线图

50 数值型数据的图示 时间序列数据—线图 Excel

51 ￥ ＄ 时间序列数据—线图 (例题分析) 【例】已知1991～2000年我国城乡居民家庭的人均收入数据如表。试绘制线图 年份 城镇居民
时间序列数据—线图 (例题分析) 【例】已知1991～2000年我国城乡居民家庭的人均收入数据如表。试绘制线图 1991～2000年城乡居民家庭人均收入 年份 城镇居民 农村居民 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 1700.6 2026.6 2577.4 3496.2 4283.0 4838.9 5160.3 5425.1 5854.0 6280.0 708.6 784.0 921.6 1221.0 1577.7 1926.1 2091.1 2162.0 2210.3 2254.4 ￥ ＄

52 时间序列数据—线图 (例题分析)

53 数值型数据的图示 多变量数据—雷达图 Excel

54 2000年城乡居民家庭平均每人生活消费支出构成(%)
多变量数据—雷达图 (例题分析) 【例】2000年我国城乡居民家庭平均每人各项生活消费支出构成数据如表。试绘制雷达图。 2000年城乡居民家庭平均每人生活消费支出构成(%) 项 目 城镇居民 农村居民 食品 衣着 家庭设备用品及服务 医疗保健 交通通讯 娱乐教育文化服务 居住 杂项商品与服务 39.18 10.01 8.79 6.36 7.90 12.56 5.17 49.30 5.75 4.52 5.24 5.58 11.18 15.47 3.14 今天的主食是面包

55 多变量数据—雷达图 (例题分析)

56 数据类型及图示 (小结)

57 频数分布的类型

58 频数分布的类型 右偏分布 左偏分布 对称分布 反J型分布 U型分布 正J型分布 几种常见的频数分布 Shape
Concerned with extent to which values are symmetrically distributed. Kurtosis The extent to which a distribution is peaked (flatter or taller). For example, a distribution could be more peaked than a normal distribution (still may be 慴ell-shaped). If values are negative, then distribution is less peaked than a normal distribution. Skew The extent to which a distribution is symmetric or has a tail. Values are 0 if normal distribution. If the values are negative, then negative or left-skewed. 反J型分布 U型分布 正J型分布 几种常见的频数分布

59 §3.4 统计表 一. 统计表的构成 二. 统计表的设计

60 统计表的结构 1999～2000年城镇居民家庭抽样调查资料 项目 单位 1999年 2000年 表头 列标题 行标题 数字资料 附加
调查户数 平均每户家庭人口 平均每户就业人口 平均每户就业面 平均一就业者负担人数 平均每人全部年收入 ＃可支配收入 平均每人消费性支出 户 人 % 元 40044 3.14 1.77 56.43 4222.0 3.13 1.68 53.67 1.86 资料来源：《中国统计年鉴2001》，中国统计出版社，2001，第305页。 注：本表为城市和县城的城镇居民家庭抽样调查材料。 表头 列标题 行标题 数字资料 附加

61 统计表的设计 数据计量单位相同时，可放在表的右上角标明，不同时应放在每个指标后或单列出一列标明 表中的上下两条横线一般用粗线，其他线用细线
通常情况下，统计表的左右两边不封口 表中的数据一般是右对齐，有小数点时应以小数点对齐，而且小数点的位数应统一 对于没有数字的表格单元，一般用“—”表示 必要时可在表的下方加上注释

62 统计表的设计 (比较与选用)

63 统计表的设计 (比较与选用)

64 统计表的设计 (比较与选用)

65 本章小结 数据预处理的内容和目的 分类和顺序数据的整理与显示方法 数值型数据的整理与显示方法 合理使用统计表 用Excel作频数分布表和图形

66 结 束