应用统计学考研笔记1：数据整理与抽样

lizz666

已于 2022-03-11 16:19:51 修改

阅读量1.9k

点赞数

CC 4.0 BY-SA版权

分类专栏：管理学文章标签：统计学考研数据整理与抽样

于 2022-03-08 18:24:59 首次发布

本文链接：https://blog.csdn.net/lizz861109/article/details/123358210

管理学专栏收录该内容

26 篇文章

订阅专栏

本文介绍了统计学中的基本概念，包括总体、个体、样本和样本容量，详细阐述了简单随机抽样、分层抽样、整群抽样和系统抽样的方法。同时，讲解了数据图像表示法，如直方图、饼状图、茎叶图和条形图的作用和适用场景。此外，还涵盖了集中趋势度量（众数、中位数、四分位数和算术平均值）和离散趋势的测量指标。这些知识对于理解和应用统计学至关重要。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

概念

总体：研究对象的全体
个体：组成总体的每一个基本元素
样本：总体中抽若干个体所组成的集合
样本容量：样本中所含个体的数量

抽样方法

简单随机抽样：简单随机抽样也称为单纯随机抽样、纯随机抽样、SRS抽样，是指从总体N个单位中任意抽取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。
分层抽样：分层抽样法也叫类型抽样法。它是从一个可以分成不同子总体（或称为层）的总体中，按规定的比例从不同层中随机抽取样品（个体）的方法。
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。
系统抽样：先将总体的全部单元按照一定顺序排列，采用简单随机抽样抽取第一个样本单元(或称为随机起点)，再顺序抽取其余的样本单元，这类抽样方法被称为等距抽样(Systematic Sampling)。等距抽样又称为机械抽样、系统抽样。等距抽样往往不能给出估计量的估计方差。

参考：研究抽样的八种方法

数据图像表示法

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频率，宽度则表示各组的组距，因此其高度与宽度均有意义。其次，由于分组数据具有连续性，直方图的各矩形通常是连续排列，而条形图则是分开排列。直方图用于展示数值型数据。140~240之间数据出现的次数

饼状图：主要标识总体或样本中各组成部分所占的比例，对于定性数据，使用频数分布进行描述，还可以进行比例、百分比、比率等级统计量描述。140~240之间数据出现的百分比

茎叶图：是反映原始数据分布的图形。它由茎和叶两部分构成，其图形是由数字组成的。通过茎叶图，可以看出数据的分布形状及数据的离散程度，比如是否对称，数据是否集中，是否有离群点，等等。茎叶图类似于横置的直方图，与直方图对比，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，即保留了原始数据的信息。而直方图虽然能很好的显示数据的分布，但是不能保留原始的数值。在应用方面，直方图通常适用于大批量数据，茎叶图通常适用于小批量数据。140~240之间数据的表达，如14|1349，表达141，143，144，149这4个数据。

条形图：是用条形的长度表示各类别频数的多少，其宽度(表示类别)则是固定的；条形图用于展示分类数据

柱状图

集中趋势度量

众数（Mo）
- 一组数据中出现次数最多的变量值
- 适合于数据量较多时使用
- 不受极端值的影响
- 一组数据可能没有众数或有几个众数
- 主要用于分类数据，也可用于顺序数据和数值型数据
- 1、3、3、5其中3最多，则众数是3
- 1、3、3、4、4、5其中3和4一样最多，则众数是3、4
中位数（ $\widetilde{X}$ ）
- 排序后处于中间位置上的值
- 不受极端值的影响
- 主要用于顺序数据，也可用数值型数据，但不能用于分类数据
- 各变量值与中位数的离差绝对值之和最小
- 1、2、3，中位数为2
- 1、2、3、4，中位数为 $\frac{2+3}{2}$ =2.5
四分位数( $x_i{}$ , $x_j{}$ )
- 不受极端值的影响
- 排序后处于25%和75%位置上的值
- 1、2、3、4其中2位上四分位，3为下四分位数

算术平均值( $\overline{x}$ , $\overline{X}$ )
- 也称为均值
- 集中趋势的最常用测度值
- 一组数据的均衡点所在
- 体现了数据的必然性特征
- 易受极端值的影响
- 有简单平均数和加权平均数之分
- 根据总体数据计算的，称为平均数；根据样本数据计算的，称为样本平均数。
集合平均值
- n 个变量值乘积的 n 次方根
- 适用于对比率数据的平均
- 主要用于计算平均增长率

离散趋势

极差

一组数据的最大值与最小值之差： max( $x_{i}$ )-min( $x_{i}$ )
离散程度的最简单测度值
易受极端值影响
未考虑数据的分布

四分位差

上四分位数与下四分位数之差： $Q_{D}$ = $Q_{U}$ – $Q_{L}$
反映了中间50%数据的离散程度
不受极端值的影响

总体方差

样本方差

样本标准差

S = $\sqrt{s^{2}}$

统计量

是指不含有任何未知参数的样本的函数
由于总体规模一般较大，无法得到总体所有数据，所以总体参数总是未知的，所以需要从总体中抽取样本，利用样本构造统计量，将样本中包含的总体信息按照某种要求进行加工处理，把分散在样本的信息集中到统计量的取值上，进而推断总体信息，如果统计量中包含未知参数，即使得到样本数据，统计量的取值也是未知的，也无法推断总体参数了