数据整理与显示

Click to edit Master title,Click to edit Master text styles,Second Level,Third Level,Fourth Level,Fifth Level,3 -,74,经济、管理类,基础课程,统计学,第三章 统计数据的整理与显示,PowerPoint,统计学,第三章 统计数据的整理与显示,第一节 数据的预处理,第二节 品质数据的整理与显示,第三节 数值型数据的整理与显示,第四节 统计表,学习目标,了解数据预处理的内容和目的,掌握品质数据整理与显示的方法,掌握数值型数据整理与显示的方法,用,Excel,作,频数分布表和形,图,合理使用统计表,第一节 数据的预处理,一,.,数据的审核与筛选,二,.,数据的排序,数据的审核、筛选与排序,数据的审核,发现数据中的错误,数据的筛选,找出符合条件的数据,数据排序,发现数据的基本特征,升序和降序,数据的审核,（原始数据）,审核的内容,完整性审核,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,数据的审核,（原始数据）,审核数据准确性的方法,逻辑检查,从定性角度，审核数据是否符合逻辑，内容是否合理，各项目或数字之间有无相互矛盾的现象,主要用于对定类数据和定序数据的审核,计算检查,检查调查表中的各项数据在计算结果和计算方法上有无错误,主要用于对定距和定比数据的审核,数据的审核,（第二手数据）,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,确定这些数据是否符合自己分析研究的需要,时效性审核,应尽可能使用最新的统计数据,确认是否必要做进一步的加工整理,数据的筛选,对审核过程中发现的错误应尽可能予以纠正,当发现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出,数据的排序,（要点）,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,数据的排序,（方法）,定类数据的排序,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,定距和定比数据的排序,递增排序：设一组数据为,X,1,，,X,2,，,，,X,N,，递增排序后可表示为：,X,(1),X,(2),X,(2),X,(N),第二节 品质数据的整理与显示,一,.,定类数据的整理与显示,二,.,定序数据的整理与显示,定类数据的整理与显示,定类数据的整理与显示,（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,对定类数据和定序数据主要是做分类整理,对定距数据和定比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,定类数据的整理,(,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,定类数据的整理,(,可计算的指标,),1.,频 数：,落在各类别中的数据个数,2.,比 例：,某一类别数据占全部数据的比值,3.,百分比：,将对比的基数作为,100,而计算的比值,4.,比 率：,不同类别数值的比值,定类数据整理,频数分布表,（实例）,【,例,3.1】,为研究广告市场的状况，一家广告公司在某城市随机抽取,200,人就广告问题做了邮寄问卷调查，其中的一个问题是“您比较关心下列哪一类广告？”,1,商品广告；,2,服务广告；,3,金融广告；,4,房地产广告；,5,招生招聘广告；,6,其他广告。,表,3-1,某城市居民关注广告类型的频数分布,广告类型,人数,(,人,),比例,频率,(%),商品广告,服务广告,金融广告,房地产广告,招生招聘广告,其他广告,112,51,9,16,10,2,0.560,0.255,0.045,0.080,0.050,0.010,56.0,25.5,4.5,8.0,5.0,1.0,合计,200,1,100,定类数据的图示,条形图,（条形图的制作）,条形图是用宽度相同的条形的高度或长短来表示数据变动的图形,条形图有单式、复式等形式,在表示定类数据的分布时，是用条形图的高度来表示各类别数据的频数或频率,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,定类数据的图示,条形图,（由,Excel,绘制的条形图）,人数（人）,51,9,16,10,2,112,0,40,80,120,商品广告,服务广告,金融广告,房地产广告,招生招聘广告,其他广告,广,告,类,型,图,3-1,某城市居民关注不同类型广告的人数分布,定类数据的图示,圆形图,（圆形图的制作）,也称饼图，是用圆形及园内扇形的面积来表示数值大小的图形,主要用于表示总体中各组成部分所占的比例，对于研究结构性问题十分有用,在绘制圆形图时，总体中各部分所占的百分比用园内的各个扇形面积表示，这些扇形的中心角度，是按各部分百分比占,360,0,的相应比例确定的,例如，关注服务广告的人数占总人数的百分比为,25.5%,，那么其扇形的中心角度就应为,360,0,25.5%,91.8,0,，其余类推,定类数据的图示,圆形图,（由,Excel,绘制的圆形图）,其他广告,1.0%,房地产广告,8.0%,商品广告,56.0%,金融广告,4.5%,服务广告,25.5%,招生招聘广告,5.8%,图,3-2,某城市居民关注不同类型广告的人数构成,定序数据的整理与显示,定序数据的整理,（可计算的指标）,1.,累计频数：,将各类别的频数逐级累加,2.,累计频率：,将各类别的频率,(,百分比,),逐级累加, , ,定序数据频数分布表,（实例 ）,【,例,3.2】,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。,表,3-2,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,24,108,93,45,30,8,36,31,15,10,24,132,225,270,300,8.0,44.0,75.0,90.0,100.0,300,276,168,75,30,100.0,92,56,25,10,合计,300,100.0,定序数据频数分布表,（实例 ）,表,3-3,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,21,99,78,64,38,7.0,33.0,26.0,21.3,12.7,21,120,198,262,300,7.0,40.0,66.0,87.3,100.0,300,279,180,102,38,100.0,93.0,60.0,34.0,12.7,合计,300,100.0,定序数据的图示,累计频数分布图,（由,Excel,绘制的累计频数分布图）,24,300,132,225,270,0,100,200,300,400,非常,不满意,不满意,一般,满意,非常,满意,累,积,户,数,（户）,(a),向下累积,276,168,30,300,75,0,100,200,300,400,非常,不满意,不满意,一般,满意,非常,满意,累,积,户,数,（户）,(b),向上累积,图,3-3,甲城市家庭对住房状况评价的累积频数分布,定类数据的图示,环形图,（环形图的制作）,环形图中间有一个“空洞”，总体中的每一部分数据用环中的一段表示,环形图与圆形图类似，但又有区别,圆形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总体的数据系列，每一个总体的数据系列为一个环,环形图可用于进行比较研究,环形图可用于展示定类和定序的数据,品质数据的图示,环形图,（由,Excel,绘制的环形图）,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,图,3-4,甲乙两城市家庭对住房状况的评价,第三节 数值型数据的整理与显示,一,.,数据的分组,二,.,数值型数据的图示,三,.,频数分布的类型,频数分布表的编制,编制频数分布表的步骤,确定组数,编制频数分布表的步骤,确定组距,计算频数,编制表格,频数分布表的编制,（实例）,117 122 124 129 139 107 117 130 122 125,108 131 125 117 122 133 126 122 118 108,110 118 123 126 133 134 127 123 118 112,112 134 127 123 119 113 120 123 127 135,137 114 120 128 124 115 139 128 124 121,【,例,3.3】,某生产车间,50,名工人日加工零件数如下（单位：个）。试采用单变量值对数据进行分组。,分组方法,分组方法,等距分组,异距分组,单变量值分组,组距分组,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,单变量值分组表,（实例）,表,3-4,某车间,50,名工人日加工零件数分组表,零件数,(,个,),频数,(,人,),零件数,(,个,),频数,(,人,),零件数,(,个,),频数,(,人,),107,108,110,112,113,114,115,117,118,1,2,1,2,1,1,1,3,3,119,120,121,122,123,124,125,126,127,1,2,1,4,4,3,2,2,3,128,129,130,131,133,134,135,137,139,2,1,1,1,2,2,1,1,2,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,必须遵循“不重不漏”的原则,可采用等距分组，也可采用不等距分组, , , , , ,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,确定各组的组距：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,根据分组整理成频数分布表,组距分组,（几个概念）,1.,下 限：,一个组的最小值,2.,上 限：,一个组的最大值,3.,组 距：,上限与下限之差,4.,组中值：,下限与上限之间的中点值,下限值,+,上限值,2,组中值,等距分组表,（上下组限重叠）,表,3-5,某车间,50,名工人日加工零件数分组表,按零件数分组,频数（人）,频率（,%,）,105,110,110,115,115,120,120,125,125,130,130,135,135,140,3,5,8,14,10,6,4,6,10,16,28,20,12,8,合计,50,100,等距分组表,（上下组限间断）,表,3-6,某车间,50,名工人日加工零件数分组表,按零件数分组,频数（人）,频率（,%,）,105,109,110,114,115,119,120,124,125,129,130,134,135,139,3,5,8,14,10,6,4,6,10,16,28,20,12,8,合计,50,100,等距分组表,（使用开口组）,表,3-7,某车间,50,名工人日加工零件数分组表,按零件数分组,频数（人）,频率（,%,）,110,以下,110,114,115,119,120,124,125,129,130,134,135,以上,3,5,8,14,10,6,4,6,10,16,28,20,12,8,合计,50,100,组距分组与不等距分组,（在表现频数分布上的差异）,等距分组,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和规律,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,数值型数据的图示,用,Excel,作图,以下图形均由,计算机绘制,!,Excel,STATISTICA,分组数据,直方图,（直方图的制作）,用矩形的宽度和高度来表示频数分布的图形，实际上是用矩形的,面积,来表示各组的频数分布,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,(Histogram),直方图下的总面积等于,1,分组数据,直方图,（,直方图的绘制）,频,数,(,人,),15,12,9,6,3,105,110,115,120,125,130,135,140,日加工零件数,(,个,),直方图下的面积之和等于,1,图,3-5,某车间工人日加工零件数的直方图,我一眼就看出来了，大多数人的日加工零件数在,120,125,之间,!,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,分组数据,折线图,（折线图的制作）,折线图也称频数多边形图,(Frequency polygon),是在直方图的基础上，把直方图顶部的中点,(,组中值,),用直线连接起来，再把原来的直方图抹掉,折线图的两个终点要与横轴相交，具体的做法是,第一个矩形的顶部中点通过竖边中点（即该组频数一半的位置）连接到横轴，最后一个矩形顶部中点与其竖边中点连接到横轴,折线图下所围成的面积与直方图的面积相等，二者所表示的频数分布是一致的,15,12,9,6,3,105,110,115,120,125,130,135,140,日加工零件数,(,个,),频,数,(,人,),折线图下的面积与直方图的面积相等！,分组数据,折线图,（折线图的绘制）,图,3-6,某车间工人日加工零件数的折线图,未分组数据,茎叶图,（茎叶图的制作）,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,对于,n,(20,n,300),个数据，茎叶图最大行数不超过,L,= 10 log,10,n,5.,茎叶图类似于横置的直方图，但又有区别,直方图可大体上看出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,树茎,树叶,788,9,44466777889,10,11,12,13,数据个数,3,13,24,10,茎叶图类似横置的直方图,未分组数据,茎叶图,（茎叶图的制作）,图,3-7,某车间工人日加工零件数的茎叶图,未分组数据,茎叶图,（扩展的茎叶图）,树茎,树叶,10s,10.,11*,11t,11f,11s,11.,12*,12t,12f,12s,12.,13*,12t,13f,13s,13.,7,8 8,0,2 2 3,4 5,7 7 7,8 8 8 9,0 0 1,2 2 2 2 3 3 3 3,4 4 4 5 5,6 6 7 7 7,8 8 9,0 1,3 3,4 4 5,7,9 9,树茎,树叶,10*,10.,11*,11.,12*,12.,13*,13.,7 8 8,0 2 2 3 4,5 7 7 7 8 8 8 9,0 0 1 2 2 2 2 3 3 3 3 4 4 4,5 5 6 6 7 7 7 8 8 9,0 1 3 3 4 4,5 7 9 9,图,3-8,图,3.7,扩展后的茎叶图,未分组数据,箱线图,（箱线图的制作）,用于显示未分组的原始数据或分组数据的分布,箱线图由一组数据的,5,个特征值绘制而成，它由一个箱子和两条线段组成,其绘制方法是：,首先找出一组数据的,5,个特征值，即,最大值,、,最小值,、,中位数,M,e,和两个,四分位数,(,下四分位数,Q,L,和上四分位数,Q,U,）,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,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,Q,L,X,最大值,X,最小值,图,3-9,简单箱线图,未分组数据,单批数据箱线图,（实例）,最小值,107,最大值,139,中位数,123,下四分位数,117.75,上四分位数,128,105 110 115 120 125 130 135 140,图,3-10 50,名工人日加工零件数的箱线图,分布的形状与箱线图,对称分布,Q,L,中位数,Q,U,左偏分布,Q,L,中位数,Q,U,右偏分布,Q,L,中位数,Q,U,图,3-11,不同分布的箱线图,未分组数据,多批数据箱线图,（实例）,【,例,3.4】,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,3-8,。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,表,3-8 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,76,65,93,74,68,70,55,85,90,95,81,87,75,73,91,78,97,51,76,85,70,92,68,81,71,74,88,69,84,65,73,95,70,78,66,90,73,78,84,70,93,63,79,80,60,87,81,67,86,91,83,77,76,90,70,82,83,82,92,84,81,70,69,72,78,75,78,91,88,66,94,80,85,71,86,74,68,79,62,81,81,55,78,70,75,68,71,77,未分组数据,多批数据箱线图,(,由,STATIATICA,绘制的多批数据箱线图,),图,3-12 8,门课程考试成绩的箱线图,图,3-13 11,名学生,8,门课程考试成绩的箱线图,Min-Max,25%-75%,Median value,45,55,65,75,85,95,105,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,箱线图,(,由,STATIATICA,绘制的多批数据箱线图,),时间序列数据,线图,（线图的制作）,绘制线图时应注意以下几点,时间一般绘在横轴，指标数据绘在纵轴,图形的长宽比例要适当，其长宽比例大致为,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,时间序列数据,线图,（实例）,【,例,3.5】,已知,1991,1998,年我国城乡居民家庭的人均收入数据如表,3-11,。试绘制线图,￥,表,3-11 1991,1998,年城乡居民家庭人均收入,年份,城镇居民,农村居民,1991,1992,1993,1994,1995,1996,1997,1998,1700.6,2026.6,2577.4,3496.2,4283.0,4838.9,5160.3,5425.1,708.6,784.0,921.6,1221.0,1577.7,1926.1,2091.1,2162.0,时间序列数据,（由,Excel,绘制的线图）,0,2000,4000,6000,1991,1992,1993,1994,1995,1996,1997,1998,城镇居民,农村居民,收,入,（元）,图,3-14,城乡居民家庭人均收入,雷达图（,Radar Chart,）是显示多个变量的常用图示方法,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,（要点）,设有,n,组样本,S,1,，,S,2,，,S,n,，每个样本测得,P,个变量,X,1,，,X,2,，,X,p,，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,再将同一样本的值在,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,多变量数据,雷达图,（实例）,【,例,3.6】,1997,年我国城乡居民家庭平均每人各项生活消费支出数据如表,3-12,。试绘制雷达图。,今天的主食是面包,表,3-12 1997,年城乡居民家庭平均每人生活消费支出,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,1942.59,520.91,316.89,179.68,232.90,448.38,358.64,185.65,890.28,109.41,85.41,62.45,53.92,148.18,233.23,34.27,合 计,4185.64,1617.15,0,500,1000,1500,2000,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,城镇居民,农村居民,图,3-15 1997,年城镇居民家庭消费支出,（元）,多变量数据,雷达图,（由,Excel,绘制的雷达图）,多变量数据,雷达图,（实例）,【,例,3.7】,为研究某条河流的污染程度，环保局分别在上游、中游和下游设立取样点，每个取样点化验水中的五项污染指标，所得数据如表,3-13,。将各指标用雷达图表示出来，并分析该河流的主要污染源。,表,3-13,不同样本点的化验指标,指标,1,指标,2,指标,3,指标,4,指标,5,上游,中游,下游,4.52,0.34,2.17,5.0,1.4,6.8,483,36,208,196,41,112,14,6,35,多变量数据,雷达图,（由,Excel,绘制的对数坐标雷达图）,0.1,1,10,100,1000,指标,1,指标,2,指标,3,指标,4,指标,5,上游,中游,下游,图,3-16,河流污染指标雷达图,数据类型及图示,（小结）,数据类型与显示,数值型数据,品质数据,分组数据,总计表,茎叶图,条形图,圆形图,环形图,直方图,箱线图,折线图,原始数据,时序数据,线,图,雷达图,多元数据,频数分布的类型,频数分布的类型,对称分布,右偏分布,左偏分布,正,J,型分布,反,J,型分布,U,型分布,图,3-17,几种常见的频数分布,第四节 统计表,一,.,统计表的构成,二,.,统计表的设计,统计表的结构,表,3-14 1997,1998,年城镇居民家庭抽样调查资料,项目,单位,1997,年,1998,年,一、调查户数,二、平均每户家庭人口数,三、平均每户就业人口数,四、平均每人全部收入,五、平均每人实际支出,消费性支出,非消费性支出,六、平均每人居住面积,户,人,人,元,元,元,元,平方米,37890,3.19,1.83,5188.54,4945.87,4185.64,755.94,11.90,39080,3.16,1.80,5458.34,5322.95,4331.61,987.17,12.40,资料来源：,中国统计摘要,1999,，中国统计出版社，,1999,，第,79,页。,注：,1,本表为城市和县城的城镇居民家庭抽样调查材料。,2,消费性支出项目包括：食品、衣着、家庭设备用品及服务、医疗,保健、交通和通讯、娱乐教育文化服务、居住、杂项商品和服务。,行标题,表头,列标题,数字资料,附加,要合理安排统计表的结构,总标题内容应满足,3,W,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,统计表的设计,本章小结,数据预处理的内容和目的,品质数据整理与显示方法,数值型数据整理与显示方法,合理使用统计表,用,Excel,作,频数分布表和图形,结 束,