统计学数据的图表分析 77页

第3章数据的图表展示PowerPoint统计学\n第3章数据的图表展示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\n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作频数分布表和图形合理使用图表\n3.1数据的预处理3.1.1数据审核3.1.2数据筛选3.1.3数据排序3.1.4数据透视表\n数据的预处理数据审核检查数据中的错误数据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数据透视按需要汇总\n数据审核\n数据审核—原始数据(rawdata)完整性审核应调查的单位或个体是否有遗漏所有的调查项目或变量是否填写齐全准确性审核数据是否真实反映实际情况，内容是否符合实际数据是否有错误，计算是否正确等\n数据的审核—二手数据(secondhanddata)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有必要做进一步的加工整理\n数据筛选与排序\n数据筛选(datafilter)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除\n用Excel进行数据筛选8名学生的考试成绩数据数据筛选(datafilter)\n数据排序(datarank)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\n数据排序(方法)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)\n数据透视表\n数据透视表(pivottable)可以从复杂的数据中提取有用的信息可以对数据表的重要信息按使用者的习惯或分析要求进行汇总和作图形成一个符合需要的交叉表(列联表)在利用数据透视表时，数据源表中的首行必须有列标题\n数据透视表(用Excel创建数据透视表)第1步：在Excel工作表中建立数据清单第2步：选中数据清单中的任意单元格，并选择【数据】菜单中的【数据透视表和数据透视图】第3步：确定数据源区域第4步：在【向导—3步骤之3】中选择数据透视表的输出位置。然后选择【布局】第5步：在【向导—布局】对话框中，依次将”分类变量“拖至左边的“行”区域，上边的“列”区域，将需要汇总的“变量”拖至“数据区域”第6步：然后单击【确定】，自动返回【向导—3步骤之3】对话框。然后单击【完成】，即可输出数据透视表\n3.2品质数据的整理与展示3.2.1分类数据的整理与图示3.2.2顺序数据的整理与图示\n数据的整理与显示(基本问题)要弄清所面对的数据类型不同类型的数据，采取不同的处理方式和方法对分类数据和顺序数据主要是作分类整理对数值型数据则主要是作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\n分类数据的整理与图示\n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\n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)：某一类别数据个数占全部数据个数的比值百分比(percentage)：将对比的基数作为100而计算的比值比率(ratio)：不同类别数值个数的比值\n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制作频数分布表绿色健康饮品康师傅可口可乐康师傅统一王老吉王老吉康师傅可口可乐王老吉可口可乐康师傅可口可乐可口可乐百事可乐康师傅可口可乐百事可乐康师傅可口可乐百事可乐百事可乐王老吉王老吉百事可乐王老吉可口可乐康师傅康师傅统一统一统一康师傅可口可乐可口可乐可口可乐可口可乐百事可乐王老吉统一百事可乐王老吉可口可乐百事可乐可口可乐王老吉可口可乐康师傅百事可乐统一康师傅\n分类数据的图示—条形图(barChart)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有单式条形图、复式条形图等形式主要用于反映分类数据的频数分布绘制时，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(columnchart)\n分类数据的图示—对比条形图(side-by-sidebarchart)分类变量在不同时间或不同空间上有多个取值对比分类变量的取值在不同时间或不同空间上的差异或变化趋势电脑品牌一季度二季度联想256468IBM285397惠普247328戴尔563688\n分类数据的图示—对比条形图(例题分析)\n分类数据的图示—帕累托图(paretochart)按各类别数据出现的频数多少排序后绘制的柱形图主要用于展示分类数据的分布\n分类数据的图示—饼图(pieChart)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主要用于表示样本或总体中各组成部分所占的比例，用于研究结构性问题绘制圆形图时，样本或总体中各部分所占的百分比用圆内的各个扇形角度表示，这些扇形的中心角度，按各部分数据百分比乘以3600确定\n分类数据的图示—饼图(例题分析)\n顺序数据的整理与图示\n顺序数据的整理(可计算的统计量)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\n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————\n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————\n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)向下累积甲城市家庭对住房状况评价的累积频数分布\n环形图(doughnutchart)环形图中间有一个“空洞”，样本或总体中的每一部分数据用环中的一段表示与饼图类似，但又有区别饼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样本或总体的数据系列，每一个样本或总体的数据系列为一个环用于结构比较研究用于展示分类和顺序数据\n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\n3.3数值型数据的整理与展示3.3.1数据分组3.3.2数值型数据的图示\n数据分组\n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~~~~~\n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，组数一般为5K15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)÷组数统计出各组的频数并整理成频数分布表\n组距分组(几个概念)1.下限(lowerlimit)：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=\n频数分布表的编制(例题分析)【例】某电脑公司2008年前四个月各天的销售量数据(单位：台)。试对数据进行分组\n等距分组表(上下组限重叠)\n等距分组表(上下组限间断)\n等距分组表(使用开口组)\n数值型数据的图示Excel分组数据—直方图和折线图\n分组数据—直方图(histogram)用于展示分组数据分布的一种图形用矩形的宽度和高度来表示频数分布本质上是用矩形的面积来表示频数分布在直角坐标中，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\n分组数据的图示(直方图的绘制)140150210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\n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\n数值型数据的图示STATISTICA未分组数据—茎叶图和箱线图\n未分组数据—茎叶图(stem-and-leafdisplay)用于显示未分组的原始数据的分布由“茎”和“叶”两部分构成，其图形是由数字组成的以该组数据的高位数值作树茎，低位数字作树叶树叶上只保留最后一位数字6.茎叶图类似于横置的直方图，但又有区别直方图可观察一组数据的分布状况，但没有给出具体的数值茎叶图既能给出数据的分布状况，又能给出每一个原始数值，保留了原始数据的信息直方图适用于大批量数据，茎叶图适用于小批量数据\n未分组数据—茎叶图(例题分析)某电脑公司销售量分布的茎叶图\n未分组数据—箱线图(boxplot)用于显示未分组的原始数据的分布由一组数据的5个特征值绘制而成，它由一个箱子和两条线段组成绘制方法首先找出一组数据的5个特征值，即最大值、最小值、中位数Me和两个四分位数(下四分位数QL和上四分位数QU)连接两个四分位数画出箱子，再将两个极值点与箱子相连接该箱线图也称为Median/Quart./Range箱线图\n未分组数据—单批数据箱线图(箱线图的构成)中位数4681012QUQLX最大值X最小值Median/Quart./Range箱线图\n未分组数据—单批数据箱线图(例题分析)最小值141最大值237中位数182下四分位数170.25上四分位数197140150160170180190200210220230240某电脑公司销售量数据的Median/Quart./Rang箱线图\n分布的形状与箱线图不同分布的箱线图左偏分布QL中位数QULeft-skeweddistribution右偏分布QL中位数QURight-skeweddistribution对称分布QL中位数QUBell-shapeddistribution\n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1234567891011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76659374687055859095818775739178975176857092688171748869846573957078669073788470936379806087816786918377769070828382928481706972787578918866948085718674687962818155787075687177\n未分组数据—多批数据箱线图(例题分析—Median/Quart./Range)8门课程考试成绩的Median/Quart./Range箱线图\n11名学生8门课程考试成绩的Median/Quart./Range箱线图min-max25%-75%medianvalue455565758595105学生1学生2学生3学生4学生5学生6学生7学生8学生9学生10学生11未分组数据—多批数据箱线图(例题分析—Median/Quart./Range)\n数值型数据的图示时间序列数据—线图Excel\n时间序列数据—线图(lineplot)表示时间序列数据趋势的图形时间一般绘在横轴，数据绘在纵轴图形的长宽比例大致为10:7一般情况下，纵轴数据下端应从“0”开始，以便于比较。数据与“0”之间的间距过大时，可以采取折断的符号将纵轴折断\n时间序列数据—线图(例题分析)【例】我国1991～2003年城乡居民家庭的人均收入数据如表。试绘制线图￥＄1991～2003年城乡居民家庭人均收入年份城镇居民(元)农村居民(元)19911992199319941995199619971998199920002001200220031700.62026.62577.43496.24283.04838.95160.35425.15854.06280.06859.07702.88472.2708.6784.0921.61221.01577.71926.12091.12162.02210.32253.42366.42475.62622.2\n时间序列数据—线图(例题分析)\n数值型数据的图示多变量数据的图示Excel\n两个变量间的关系—二维散点图(2DScatterplots)展示两个变量之间的关系用横轴代表变量x，纵轴代表变量y，每组数据(xi，yi)在坐标系中用一个点表示，n组数据在坐标系中形成的n个点称为散点，由坐标及其散点形成的二维数据图温度/0C降雨量/mm产量/kg/hm262522508403450105845001368575014110580016987500211208250\n两个变量间的关系—二维散点图(2DScatterplots)\n三个变量间的关系—气泡图(bubblechart)显示三个变量之间的关系图中数据点的大小依赖于第三个变量\n也称为蜘蛛图(spiderchart)显示多个变量的图示方法在显示或对比各变量的数值总和时十分有用假定各变量的取值具有相同的正负号，总的绝对值与图形所围成的区域成正比可用于研究多个样本之间的相似程度多变量数据—雷达图(radarchart)\n设有n组样本S1，S2，…,Sn，每个样本测得P个变量X1，X2，…,XP，要绘制这P个变量的雷达图，其具体做法是多变量数据—雷达图(雷达图的制作)先做一个圆，然后将圆P等分，得到P个点，令这P个点分别对应P个变量，在将这P个点与圆心连线，得到P个幅射状的半径，这P个半径分别作为P个变量的坐标轴，每个变量值的大小由半径上的点到圆心的距离表示将同一样本的值在P个坐标上的点连线。这样，n个样本形成的n个多边形就是一个雷达图\n多变量数据—雷达图(例题分析)【例】2003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。试绘制雷达图今天的主食是面包2003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37.129.796.307.3111.0814.3510.743.3045.595.674.205.968.3612.1315.872.21\n多变量数据—雷达图(例题分析)\n数据类型及图示(小结)\n3.4合理使用图表3.4.1鉴别图形优劣的准则3.4.2统计表的设计\n一张好的图表应包括以下基本特征显示数据让读者把注意力集中在图表的内容上，而不是制作图表的程序上避免歪曲强调数据之间的比较服务于一个明确的目的有对图表的统计描述和文字说明5种鉴别图表优劣的准则：一张好的图表应当精心设计、有助于洞察问题的实质使复杂的观点得到简明、确切、高效的阐述能在最短的时间内以最少的笔墨给读者提供最大量的信息是多维的表述数据的真实情况鉴别图表优劣的准则\n统计表的结构2002～2003年城镇居民家庭抽样调查资料项目单位2002年2003年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名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人%人元元元453173.041.5851.971.928177.407702.806029.88480283.011.5852.491.919061.228472.206510.94资料来源：《中国统计年鉴2004》，中国统计出版社，2004，第359页。注：本表为城市和县城的城镇居民家庭抽样调查资料。行标题列标题数字资料表头附加\n合理安排统计表的结构总标题内容应满足3W要求数据计量单位相同时，可放在表的右上角标明，不同时应放在每个变量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统计表的设计\n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图表用Excel作频数分布表和图形\n结束THANKS