第四次部门培训统计学课件第3章

1、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 合理使用图表数据的预处理数据审核数据审核原始数据 (raw data)完整性审核准确性审核二手数据(second hand data)适用性审核时效性审核：尽可能使用最新的数据有必要做进一步的加工整理数据筛选(data filter) 找出符合条件的数据 例3-1数据排序 升序和降序数据透视表(pivot table) 按需要汇总 例3-2品质数据的整理与显示分类数据频数和频数分布（frequency distribution）条形图（bar Chart）、柱形图(column cha

2、rt)、对比条形图帕累托图(pareto chart)饼图 (pie Chart)环形图 (doughnut Chart)顺序数据累积频数（cumulative frequency）、累积频率（cumulative percentages）累积频数分布或频率图分类数据的整理 (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分类频数比例百分比比率ABCDE顺序数据的整理(可计算的统计量)1. 累积

3、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)的逐级累加向上累积顺序数据：从开始向结尾累加数值型数据：变量值小向变量值大的方向累加向下累积顺序数据：从结尾向开始累加数值型数据：变量值大向变量值小的方向累加数值型数据的整理：分组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遵循“不重不漏”原则等距分组或不等距分组组数应以能显示数据分布特征和规律为目的。实际中，组数一般为5K 15组距是一个组上、下限之差，根据数据的最大值和最小值及组数确定。即 组距( 最大值最小值) 组

4、数统计频数可整理出频数分布表 1. 下上限(lower 、upper limit) ：一个组的最小最大值2. 组距(class width) ：上下限之差3. 组中值(class midpoint) ：上下限间的中点值下限值+上限值2组中值 =频数分布表的编制 (例题分析)【例】某电脑公司2005年前四个月各天的销售量数据(单位：台)。试对数据进行分组Max=237Min=141等距分组表 (上下组限重叠)Max=237Min=141(Max-Min)/10=(141-237)/10=9.610上限（一个组的最大值）不在内。160、180这几个数究竟属于哪一组？149等距分组表 (使用开口组)

5、开口组如何计算组距、组中值？数值型数据的显示数值型数据的图示分组数据：直方图 (histogram)未分组数据茎叶图(stem-and-leaf display)箱线图 (box plot)时间序列数据线图(line plot)两个变量间的关系二维散点图(2D Scatterplots)三个变量间的关系气泡图(bubble chart)多变量数据雷达图 (radar chart)分组数据直方图 (histogram)用矩形的面积表示频率分布横轴表示数据分组，纵轴表示频率/组距，各组与相应的频率就形成了一个矩形，即直方图140150210某电脑公司销售量分布的直方图190200180160170

6、25201510530220230240我一眼就看出来了，销售量在170180之间的天数最多!频率组距频数分组数据直方图(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未分组数据茎叶图(stem-and-leaf display)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

7、值作树茎，低位数字作树叶树叶上只保留最后一位数字5. 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未分组数据箱线图 (box plot)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

8、与箱子相连接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197140 150 160 170 180 190 200 210 220 230 240某电脑公司销售量数据的Median/Quart./Rang箱线图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

9、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

10、/Quart./Range箱线图11名学生8门课程考试成绩的Median/Quart./Range箱线图min-max25%-75%median value455565758595105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)股票分析中的K线图与箱线图类似线图最早是日本德川幕府时代大阪的米商用来记录当时一天、一周或一月中米价涨跌行情的图示法，后被引入股市。线图有直观、立体感强、携带信息量大的特点，是各类传播媒介、电脑实时分析系统应用较多的技术分析手段。以日K线为例：是根据股价(指数)一天的

11、走势中形成的四个价位即：开盘价，收盘价，最高价，最低价绘制而成的。收盘价高于开盘价时，则开盘价在下收盘价在上，二者之间的长方柱用红色或空心绘出，称之为阳线；其上影线的最高点为最高价，下影线的最低点为最低价。收盘价低于开盘价时，则开盘价在上收盘价在下，二者之间的长方柱用绿色或实心绘出，称之为阴线，其上影线的最高点为最高价，下影线的最低点为最低价。 08.11.27-09.3.26日K线图时间序列数据线图 (line plot)表示时间序列数据趋势的图形一般时间为横轴，数据为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

12、采取折断的符号将纵轴折断时间序列数据线图 (例题分析)【例】我国19912003年城乡居民家庭的人均收入数据如表。试绘制线图￥ 19912003年城乡居民家庭人均收入年份城镇居民(元)农村居民(元)19911992199319941995199619971998199920002001200220031700.62026.62577.43496.24283.04838.95160.35425.15854.06280.06859.07702.88472.2 708.6 784.0 921.61221.01577.71926.12091.12162.02210.32253.42366.42475.

13、62622.2时间序列数据线图 (例题分析)两个变量间的关系二维散点图(2D Scatterplots)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/hm262522508403450105845001368575014110580016987500211208250两个变量间的关系二维散点图(2D Scatterplots)三个变量间的关系气泡图(bubble chart)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也称

14、为蜘蛛图(spider chart)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 (radar chart) 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

15、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37.129.796.307.3111.0814.3510.743.30 45.595.674.205.968.3612.1315.872.21多变量数据雷达图 (例题分析)其他统计图举例：1月20日至1月25日中国及周边版图地震情

16、况版图周边共计有901条地震记录，其中大于ML5级的一共两次：2010-01-24 10:36:13.8 35.45 110.70 15 Ms4.8 天然地震 山西河津2010-01-21 10:02:02.8 13.70 125.85 33 Ms5.1 天然地震 菲律宾群岛地区蓝色的背景是地震点的密度红色的点代表地震的位置，其大小表示震级的大小。地震的震级（ML）分布至少可以长舒一口气，原来大部分都是小震，不具“破坏性”的居多。假如：我是教练组成员，我提议（单从本场比赛结果看）：Brooks、Battier、Ariza、Andersen 在火箭进攻体系中位置比较重要，轮转的时候尽量保证其中的

17、两人或三人同时在场。 Budinger 属于绝好的替补球员，但似乎不适合同 Battier、Hayes 同时在场。箭头方向是助攻方向 其他统计图举例：火箭对热火比赛（20100116）中，火箭球员的助攻网络关系 社会网络关系 图并没有说谎，是说谎者在画图。 Benjamin Disraeli合理使用图表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

18、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增长速度惊人。上图增长速度缓慢。不恰当的统计图形举例：纵横比例 不必要的三维效果：三维图形可能比二维图形更能吸引读者的注意，但只能用来反映变化的趋势，不能用来进行精确的比较。不恰当的统计图形举例：三维效果不恰当的统计图形举例：图形类型1960: $1.001970: $1.601980: $3.101990: $3.80Minimum Wage不好的图形好的图形Minimum Wage0241960197019801990$不恰当的统计图形举例：压缩纵轴Quarterly Sales不好的图形0100200Q1Q2Q3Q4$好的图形Quarterly Sales02550Q1Q2Q3Q4$不恰当的统计图形举例：纵轴无零点好的图形Monthly Sales不好的图形36394245JFMAMJ$Monthly Sales 0394245JFMAMJ$36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统计表的结构