常用的统计量有哪些_百度作业帮
常用的统计量有哪些
常用的统计量有哪些
平均数,中位数,众数,方差,标准差常用统计量样本矩　　设x1,x2,…,xn是一个大小为n的样本,对自然数 k,分别称 为k阶样本原
统计量点矩和k阶样本中心矩, 统称为样本矩.许多最常用的统计量,都可由样本矩构造.例如,样本均值（即α1）和样本方差 是常用的两个统计量,前者反映总体中心位置的信息,后者反映总体分散情况.还有其他常用的统计量,如样本标准差,样本变异系数S/塣,样本偏度,样本峰度等都是样本矩的函数.若(x1,Y1),(x2,Y2),…,(xn,Yn)是从二维总体(x,Y)抽出的简单样本,则样本协方差·及样本相关系数 也是常用的统计量,r可用于推断x和Y的相关性.次序统计量　　把样本X1,x2,…,xn由小到大排列,得到,称之为样本x1,x2,…
统计量,xn的次序统计量.其中最小次序统计量 x(1)最大次序统计量x(n)称为极值,在那些如年枯水量、年最大地震级数、材料的断裂强度等的统计问题中很有用.还有一些由次序统计量派生出来的有用的统计量,如：样本中位数 是总体分布中心位置的一种度量,若样本大小 n为奇数,若n为偶数,它容易计算且有良好的稳健性.样本p分位数Zp(0<p<1)及极差x(n)-x(1)也是重要的统计量.其中Zp当时即为中位数,而当时,表示不超过1+np的最大整数）.样本分位数的一个重要应用是构造连续总体分布的非参数性容忍区间（见区间估计）.U统计量　　这是W.霍夫丁于1948年引进的,它在非参数统计中有广泛的应用.其定义是:设x1,x2,…,xn,为简单样本,m为不超过n的自然数,为m元对称函数,则称 为样本x1,x2,…,xn的以为核的U统计量.样本均值和样本方差都是它的特例
统计量.从霍夫丁开始,这种统计量的大样本性质得到了深入的研究,主要应用于构造非参数性的量的一致最小方差无偏估计（见点估计）,并在这种估计的基础上检验非参数性总体中的有关假设.秩统计量　　把样本X1,X2,…,Xn 按大小排列为,若 则称Ri为xi的秩,全部n个秩R1,R2,…,Rn构成秩统计量,它的取值总是1,2,…,n的某个排列.秩统计量是非参数统计的一个主要工具
统计量. 　　还有一些统计量是因其与一定的统计方法的联系而引进的.如假设检验中的似然比原则所导致的似然比统计量,K.皮尔森的拟合优度（见假设检验）准则所导致的ⅹ统计量,线性统计模型中的最小二乘法所导致的一系列线性与二次型统计量,等等.编辑本段充分性与完全性　　统计量是由样本加工而成的, 在用统计量代替样本作统计推断时,样本中所
统计量含的信息可能有所损失,如果在将样本加工为统计量时,信息毫无损失,则称此统计量为充分统计量.例如,从一大批产品中依次抽出n个,若第i次抽出的是合格品,则xi=0,否则xi=1(i=1,2,…,n).总体分布取决于整批产品的废品率p,可以证明:统计量,即样本中的废品个数,包含了(x1,x2,…,xn)中有关p的全部信息,是一个充分统计量.若取m<n,令Tm(x1,则Tm仍是一个统计量,不过不是充分的.　 　　充分性是数理统计的一个重要基本概念,它是R.A.费希尔在1925年引进的,费希尔提出,并由J.奈曼和P.R.哈尔莫斯在1949年严格证明了一个判定统计量充分性的方法,叫因
统计量子分解定理.这个定理适用面广且应用方便,利用它可以验证很多常见统计量的充分性.例如,若正态总体有已知方差,则样本均值塣是充分统计量.若正态总体的均值、方差都未知,则样本均值和样本方差S合起来构成充分统计量(塣,S).一个统计量是否充分,与总体分布有密切关系. 　　将样本加工成统计量要求越简单越好.简单的程度的大小,主要用统
统计量计量的维数来衡量.简单地讲,若统计量T2是由统计量T1加工而来(即T2是T1的函数),则T2比T1简单.在此意义上,最简单的充分统计量叫极小充分统计量.这是E.L.莱曼和H.谢菲于1950年提出的.前例中的充分统计量都有极小性.在任何情况下,样本x1,x2,…,xn本身就是一个充分统计量,但一般不是极小的. 　　关于统计量的另一个重要的基本概念是完全性.设T为一统计量,θ为总体分布参数,若对θ的任意函数g(θ),基于T的无偏估计至多只有一个（以概率1相等的两个估计量视为相同）,则称T为完全的.编辑本段抽样分布　　统计量的分布叫抽样分布.它与样本分布不同,后者是指样本x1,x2,…,xn的联合分布. 　　统计量的性质以及使用某一统计量作推断的优良性,取决于其分布.
统计量所以抽样分布的研究是数理统计中的重要课题.寻找统计量的精确的抽样分布,属于所谓的小样本理论（见大样本统计）的范围,但是只在总体分布为正态时取得比较系统的结果.对一维正态总体,有三个重要的抽样分布,即ⅹ分布、t分布和F分布. 　　ⅹ分布 设随机变量x1,x2,…,xn是相互独立且服从标准正态分布N(0,
统计量1),则随机变量的分布称为自由度为n的ⅹ分布(其密度函数及下文的t分布、F分布的密度函数表达式均见概率分布).这个分布是 F.赫尔梅特于1875年在研究正态总体的样本方差时得到的.若x1,x2,…,xn是抽自正态总体N(μ,σ)的简单样本,则变量服从自由度为n-1的ⅹ分布.若x1,x2,…,xn服从的不是标准正态分布,而依次是正态分布N(μi,1)(i=1,2,…,n),则的分布称为非中心ⅹ分布,称为非中心参数. 当δ＝0时即前面所定义的ⅹ分布.为此,有时也称它为中心ⅹ分布.中心与非中心的ⅹ分布在正态线性模型误差方差的估计理论中,在正态总
统计量体方差的检验问题中(见假设检验),以及一般地在正态变量的二次型理论中都有重要的应用. 　　t分布 设随机变量ξ,η独立,且分别服从正态分布N(δ,1)及自由度n的中心ⅹ分布,则变量的分布称为自由度n、非中心参数δ的非中心t分布；当δ＝0时称为中心t分布.若x1,x2,…,xn是从正态总体N（μ ,σ）中抽出的简单样本,以塣记样本均值,以记样本方差,则服从自由度n-1的t分布.这个结果是英国统计学家W.S.戈塞特(又译哥色特,笔名“学生”)于 1908年提出的.t分布在有关
统计量正态总体均值的估计和检验问题中,在正态线性统计模型对可估函数的推断问题中有重要意义,t分布的出现开始了数理统计的小样本理论的发展. 　　F分布 是 R.A.费希尔在20世纪20年代提出的.设随机变量ξ,η独立,ξ服从自由度m、非中心参数δ的非中心ⅹ分布,η服从自由度n的中心ⅹ分布,则的分布称为自由度(m,n)、非中心参数δ的非中心F分布,当δ=0时称为中心F 分布.若x1,x2,…,xm和Y1,Y2,…,Yn分别是从正态总体N(μ
统计量,σ)和N(v,σ),中抽出的独立简单样本,以S娝和S娤分别记为诸xi和诸Yi的样本方差,则方差比统计量S娝/S娤服从自由度(m-1,n-1)的中心F分布.中心和非中心的 F分布在方差分析理论中有重要应用. 　　多维正态总体的重要的抽样分布有维夏特分布和霍特林的T分布（见多元统计分析）. 　　一个统计量若服从某分布,常以该分布的名字命名该统计量,如ⅹ统计量、F统计量、T统计量等. 　　由于寻找精确的抽样分布有困难,统计学者转而研究当样本大小 n→∞时统计量的渐
统计量近分布(即极限分布),这种研究是数理统计大样本理论的基础性工作.已经有很多重要的统计方法,就是基于这种工作而提出的.像K.皮尔森关于拟合优度统计量的极限分布是分布的著名结果(1900)就是一个有代表性的例子. 　　参考书目 复旦大学编：《概率论》（第2册,数理统计）,人民教育出版
统计量社,北京,1979. 费史著,王福保译：《概率论及数理统计》,上海科学技术出版社,上海,1962.(M.Fisz,Wahrscheinlichkei-tsrechnung und MatheMatische Statistik,VEB Deu-tscher Verlag der Wissenschaften,Berlin, 1958.) 陈希孺著:《数理统计引论》,科学出版社,北京,1981.下列选项中，能够反映一组数据离散程度的统计量是A.平均数B.中位数C.众数D.方差
甲、乙两位同学参加奥赛班11次测验成绩分布如图8-56所示:(单位:分)
(1)他们的平均成绩分别是多少?
(2)他们测验成绩的方差、极差是多少?
(3)现要从中选出一人参加比赛,历届比赛表明,成绩达到98分以上才可进入决赛,你认为应选谁参加这次比赛,为什么?
(4)分析两位同学的成绩各有何特点?并对两位同学各提一条学习建议.
某班组织一次数学测试，全班学生成绩的分布情况如下图：（1）全班学生数学成绩的众数是分，全班学生数学成绩为众数的有人．（2）全班学生数学成绩的中位数是分．（3）分别计算两个小组超过全班数学成绩中位数的人数占全班人数的百分比．
某班组织一次数学测试，全班学生成绩的分布情况如图．（1）全班学生数学成绩的众数是多少分？（2）全班学生数学成绩的中位数是多少分？（3）分别计算两个小组超过全班数学成绩中位数的人数占全班人数的百分比．文档分类：
下载前请先预览，预览内容跟原文是一样的，在线预览图片经过高度压缩，下载原文更清晰。
您的浏览器不支持进度条
淘豆网网友近日为您收集整理了关于新应用统计学 教学课件 978 7 302 27906 8 第4章 数据分布特征的度量的文档，希望对您的工作和学习有所帮助。以下是文档介绍：在线教务辅导网:课件及动画素材请查阅在线教务辅导网QQ: 或者直接输入下面地址:http://shop.1 集中趋势的度量4.2 离散程度的度量4.3 偏态与峰态的度量第4章数据分布特征的度量学习目标1. 集中趋势各测度值的计算方法2. 集中趋势各测度值的特点及应用场合3. 离散程度各测度值的计算方法4. 离散程度各测度值的特点及应用场合5. 偏态与峰态的测度方法6. 用Excel计算描述统计量并进行分析数据分布的特征集中趋势集中趋势((位置位置))偏态和峰态偏态和峰态(形状)(形状)离中趋势离中趋势((分散程度分散程度))4.1 集中趋势的度量4.1.1 众数4.1.2 中位数和分位数4.1.3 平均数4.1.4 众数、中位数和平均数的比较集中趋势1.1. 一一组数据向其中心值靠拢的倾向和程度组数据向其中心值靠拢的倾向和程度2.2. 测度集中趋势就是寻找数据水平的代表值或中心值测度集中趋势就是寻找数据水平的代表值或中心值3.3. 不同类型的数据用不同的集中趋势测度值不同类型的数据用不同的集中趋势测度值4.4. 低层次数据的测度值适用于高层次的测量数据,但低层次数据的测度值适用于高层次的测量数据,但高层次数据的测度值并不适用于低层次的测量数据高层次数据的测度值并不适用于低层次的测量数据众数(mode)1. 一组数据中出现次数最多的变量值2. 适合于数据量较多时使用3. 不受极端值的影响4. 一组数据可能没有众数或有几个众数5. 主要用于分类数据,也可用于顺序数据和数值型数据众数(不惟一性)无众数原始数据:10 5 9 12 6 8一个众数一个众数原始数据原始数据:6:6 55 9 89 8 5 55 5多于一个众数多于一个众数原始数据原始数据: 25: 25 36 分类数据的众数(例题分析)解:这里的变量为解:这里的变量为““饮料饮料品牌品牌””,这是个分类变量,这是个分类变量,不同类型的饮料就是,不同类型的饮料就是变量值变量值所调查的所调查的 100100 人中,人中,购买可口可乐的人数最购买可口可乐的人数最多,为多,为3535人,占被调查人,占被调查总人数的总人数的35%35%,因此众,因此众数为数为““可口可乐可口可乐””这一品这一品牌,即牌,即MMoo==可口可乐可口可乐100合计15 2035 30汇源果汁百事可乐可口可乐娃哈哈频数饮料品牌不同饮料品牌的频数分布顺序数据的众数(例题分析)解:这里的数据为顺解:这里的数据为顺序数据。变量为序数据。变量为““回回答类别答类别””甲城市中对住房甲城市中对住房表示不满意的户数最表示不满意的户数最多,为多,为108108户,因此户,因此众数为众数为““不满意不满意””这一这一类别,即类别,即MMoo==不满意不满意甲城市回答类别100.0300合计8 108 9345 30非常不满意不满意一般满意非常满意百分比(%)户数(户)甲城市家庭对住房状况评价的频数分布播放器加载中，请稍候...
该用户其他文档
下载所得到的文件列表新应用统计学 教学课件 978 7 302 27906 8 第4章 数据分布特征的度量.ppt
文档介绍：
在线教务辅导网:课件及动画素材请查阅在线教务辅导网QQ: 或者直接输入下面地址:http://shop.1 集中趋势的度量4.2 离散程度的度量4.3 偏态与峰态的度量第4章数据分布特征的度量学习目标1. 集中趋势各测度值的计算方法2. 集中趋势各测度值的特点及应用场合3. 离散程度各测度值的计算方法4. 离散程度各测度...
内容来自淘豆网转载请标明出处.}