抽取一批学生测量每晚睡眠时间后,几十个原始数字本身并不容易阅读。把数据分组画成直方图,可以看出多数人集中在哪个区间;计算平均数、中位数和标准差,又能从中心位置与波动程度概括样本。
样本特征可用于估计总体,但估计不是把样本结论机械地贴到每个个体身上。图表展示分布形状,数字特征压缩关键信息,抽样方法则决定这种推断是否可靠。三者应结合使用。
- 会制作频率分布表和频率分布直方图,理解小矩形面积表示频率。
- 会按教材规则计算百分位数,能用中位数和四分位数解释位置。
- 掌握众数、中位数、平均数的特点及加权平均数的计算。
- 会计算极差、方差、标准差,比较数据的集中趋势和离散程度。
- 能依据样本分布估计总体,并说明估计中的抽样波动与局限。
一、从原始数据到频率分布
整理连续型数据时,通常先求极差,再确定组数与组距,划定互不重叠且覆盖全部数据的区间,统计各组频数。某组频数为 ,样本量为 ,该组频率为
并满足 。边界值归入哪一组必须统一,例如各组采用左闭右开区间,最后一组再包含右端点,避免重复或遗漏。
频率分布直方图的横轴是变量取值区间,纵轴通常是
因此第 个小矩形面积为
所有小矩形面积之和为 。只有各组组距相等时,柱高才与频率成正比;组距不等时直接比较柱高,会把“密度高”误读成“人数多”。
分组会损失组内细节。组距太大会掩盖分布结构,组距太小又会让图形受偶然波动影响明显。解释直方图时应关注集中区域、偏斜方向、是否有多个峰以及异常区间,而不能只挑最高的一根柱。
二、百分位数刻画相对位置
将 个数据从小到大排列,求第 百分位数时,先计算
按教材常用规则:若 不是整数,取第 个数据;若 是整数,取第 个与第 个数据的平均数。第 百分位数就是中位数,第 、 百分位数分别称为第一、第三四分位数。不同软件可能采用不同插值约定,实际交流应注明规则。
百分位数描述相对位置。例如某人成绩处在第 百分位数附近,表示约有 的观测值不超过该位置,并不表示他答对了 的题。百分位数主要反映排序位置,不能直接说明相邻位置之间差多少。
箱线图常用最小值、第一四分位数、中位数、第三四分位数和最大值概括分布。四分位距
反映中间约一半数据的跨度,对极端值不太敏感。
用样本估计总体要同时看“形”与“数”:直方图保留分布形状,平均数或中位数描述中心,标准差或四分位距描述波动。单个指标不能完整代表一组数据。
三、集中趋势参数
一组数据 的平均数为
若不同数值 出现频数 ,则
平均数利用了每个观测值,便于代数运算,但容易受极端值影响。中位数把有序数据分成数量大致相等的两部分,对极端值较稳健。众数是出现次数最多的值,可能不唯一,也可能因所有值频数相同而没有明显众数。
若只能从分组表估计平均数,可用各组中点代表组内数据,得到
其中 是第 组中点。它是近似值,因为组内观测并不一定都等于中点。分布明显右偏时,少量大值常把平均数拉到中位数右侧;描述典型水平时应结合实际目的选择指标。
四、离散程度参数
极差等于最大值减最小值,计算简单但只使用两个数据。方差综合每个数据与平均数的偏离。按本课程的总体数据计算形式,数据 的方差和标准差为
平方使正负偏差不会抵消。方差单位是原单位的平方,标准差与原数据单位一致,因此解释实际波动时标准差更直观。若所有数据同时加上常数 ,平均数增加 ,方差不变;若所有数据乘常数 ,方差变为 ,标准差变为 。
两组数据平均数相同,不代表稳定性相同。标准差越小,通常说明数据在平均数附近越集中。但比较量纲或平均水平差异很大的数据时,仅比较标准差可能不公平,需要结合情境选择相对指标。
某兴趣小组 名学生一周锻炼次数按从小到大排列为
按上述规则求第 百分位数和第 百分位数。
✏️ 查看分步解析
求第 百分位数时,
是整数,所以取第 、第 个数据的平均数:
求第 百分位数时,
不是整数,向上取整得到 ,故取第 个数据 。答案分别为 和 。
甲、乙两台设备各记录 次灌装量,甲为 ,乙为 ,单位均为毫升。比较两组平均数与稳定性。
✏️ 查看分步解析
两组数据之和都为 ,所以平均数都是 毫升。甲组相对平均数的偏差为 ,故
乙组偏差为 ,故
由于 ,甲组数据更集中,灌装量更稳定。两组平均水平相同,但离散程度不同,不能只凭平均数判断设备表现。
- 频率分布直方图中面积表示频率;组距不等时,柱高不能直接当频率。
- 百分位数必须先排序,并按约定处理 为整数的情形。
- 平均数、中位数和众数各有侧重,不能脱离分布形状机械选用。
- 方差的单位是原单位的平方,标准差才与原数据同单位。
- 分组数据用组中值算出的平均数是估计值,不是由原始数据得到的精确值。
某企业少数管理岗位工资很高,大多数员工工资集中在较低区间。此时平均工资可能明显高于中位数。若报告只公布平均数,员工未必能据此判断“典型岗位”的收入;同时公布中位数、四分位数和分布图更透明。比较不同年份时还要确认统计范围、全职与兼职口径是否一致,否则数字变化可能来自样本构成,而非真实工资增长。
五、自测与解析
1. 直方图面积
某组组距为 ,频率为 。频率分布直方图中该组柱高应是多少?
✏️ 查看答案
柱高为频率除以组距,即
小矩形面积为 ,恰好等于该组频率。
2. 参数变化
一组数据平均数为 ,方差为 。每个数据都变为原来的 倍再加 ,新平均数与新方差是多少?
✏️ 查看答案
新平均数为 。加 不改变方差,乘 使方差乘 ,故新方差为 。
3. 指标选择
某小区统计住户月用水量,其中一户因水管漏水出现极大值。描述典型住户用水水平时,平均数和中位数哪一个通常更稳健?
✏️ 查看答案
中位数通常更稳健。极大值会明显拉高平均数,却只改变排序末端,对中位数影响较小。报告中仍应说明异常值原因,而不是简单删除。