统计和统计数据.ppt

1-1统计学统计学STATISTICS举出一个统计没有用途的领域名称举出一个统计没有用途的领域名称比举出一个统计作为其组成部分的比举出一个统计作为其组成部分的领域名称要困难得多。领域名称要困难得多。Robert JohnsonJuly 30,2010第第 1 章章 统计和统计数据统计和统计数据1.1 统计及其应用领域统计及其应用领域1.2 怎怎样获得得统计数据统计数据?1.3 SPSS简介简介July 30,20101-3统计学统计学STATISTICS你相信这样的一些统计结论吗？你相信这样的一些统计结论吗？l l吸烟对健康是有害的，吸香烟的男性减少寿命吸烟对健康是有害的，吸香烟的男性减少寿命22502250天天l l不结婚的男性会减少寿命不结婚的男性会减少寿命35003500天，不结婚的女性会减天，不结婚的女性会减少寿命少寿命16001600天天l l身体超重身体超重30%30%会使寿命减少会使寿命减少13001300天天l l每天摄取每天摄取500500毫升维生素毫升维生素C C，生命可延长，生命可延长6 6年年l l身材高的父亲，其子女的身高也较高身材高的父亲，其子女的身高也较高l l第二个出生的子女没有第一个聪明，第三个出生的子第二个出生的子女没有第一个聪明，第三个出生的子女没有第二个聪明，依此类推女没有第二个聪明，依此类推l l学生们在听了莫扎特钢琴曲学生们在听了莫扎特钢琴曲1010分钟后的推理测试会比分钟后的推理测试会比他们听他们听1010分钟娱乐磁带或其他曲目做得更好分钟娱乐磁带或其他曲目做得更好l l上课坐在前面的学生平均考试分数比坐在后面的学生上课坐在前面的学生平均考试分数比坐在后面的学生高高July 30,20101.1 统计及其应用领域统计及其应用领域 1.1.1 统计学研究什么？统计学研究什么？1.1.2 统计的应用统计的应用第第 1 章章 统计和统计数据统计和统计数据July 30,20101.1.1 统计学研究什么？统计学研究什么？1.1 统计及其应用领域统计及其应用领域July 30,20101-6统计学统计学STATISTICS什么是统计学什么是统计学?(statistics)1.1.收集数据：取得数据收集数据：取得数据2.2.处理数据：图表展示处理数据：图表展示 3.3.分析数据：利用统计方法分分析数据：利用统计方法分析数据析数据4.4.数据解释：结果的说明数据解释：结果的说明5.5.得到结论：从数据分析中得得到结论：从数据分析中得出客观结论出客观结论收集、处理、分析、解释数据并从数据中得出结论的科学收集、处理、分析、解释数据并从数据中得出结论的科学 July 30,20101-7统计学统计学STATISTICS统计方法统计方法July 30,20101-8统计学统计学STATISTICS描述统计描述统计(descriptive statistics)1.研究数据收集、整理和描研究数据收集、整理和描述的统计学分支述的统计学分支 2.内容内容n n收集数据收集数据n n整理数据整理数据n n展示数据展示数据n n描述性分析描述性分析3.目的目的n n描述数据特征描述数据特征n n找出数据的基本规律找出数据的基本规律0 0 0252525505050Q QQ1 1 1Q QQ2 2 2Q QQ3 3 3Q QQ4 4 4￥x x x=30 =30 =30 s s s2 22=105=105=105July 30,20101-9统计学统计学STATISTICS推断统计推断统计(inferential statistics)1.研究如何利用样本数研究如何利用样本数据来推断总体特征的据来推断总体特征的统计学分支统计学分支2.内容内容参数参数估计估计假设检验假设检验3.目的目的对总体特征作出推断对总体特征作出推断样样本本总体总体July 30,20101-10统计学统计学STATISTICS统计学研究什么？统计学研究什么？1.物物理理学学研研究究的的是是如如热热、光光、电电、运运动动规规律律那那样样的的自然现象自然现象2.化化学学家家测测定定物物质质的的组组成成及及化化学学元元素素之之间间的的交交互互作作用用3.生物学家研究植物和动物的生活生物学家研究植物和动物的生活4.数数学学家家则则在在给给出出的的假假定定之之下下沉沉溺溺于于他他自自己己推推演演各各种命题的游戏种命题的游戏5.这这些些学学科科中中的的每每一一门门都都有有它它自自己己的的问问题题，而而且且有有解解决决这这些些问问题题的的各各自自的的方方法法，各各学学科科为为此此而而成成为为一门单独的学科一门单独的学科July 30,20101-11统计学统计学STATISTICS统计学研究什么？统计学研究什么？1.统计学没有任何固定的对象，是一门独特的学问2.统计学研究的是来自各领域的数据，由解决其他领域内的问题而存在并兴旺发达。按萨维奇(L.J.Savage)的说法：l l统统计计学学基基本本上上是是寄寄生生的的。靠靠研研究究其其他他领领域域内内的的工工作作而而生生存存。这这不不是是对对统统计计学学的的轻轻视视，这这是是因因为为对对很很多多寄寄主主来来说说，如如果果没没有有寄寄生生虫虫就就会会死死。对对有有的的动动物物来来说说，如如果果没没有有寄寄生生虫虫就就不不能能消消化化它它们们的的食食物物。因因此此，人人类类奋奋斗斗的的很很多多领领域域，如如果果没没有有统统计计学，虽然不会死亡，但一定会变得很弱。学，虽然不会死亡，但一定会变得很弱。July 30,20101-12统计学统计学STATISTICS统计是一种思维方式统计是一种思维方式n n统计思维总有一天会像读与写一样成为一个有效率公民的必备能力(H.G.Wells)n n在终极的分析中，一切知识都是历史；在抽象的意义下，一切科学都是数学；在理性的基础上，所有的判断都是统计学(C.R.Rao)July 30,20101.1.2 统计的应用统计的应用1.1 统计及其应用领域统计及其应用领域July 30,20101-14统计学统计学STATISTICS统计的应用领域统计的应用领域【例例例例1.11.1】用统计识别作者用统计识别作者用统计识别作者用统计识别作者 1787178817871788年年，三三位位作作者者Alexander Alexander HamiltonHamilton，John John JayJay和和James James MadisonMadison为为了了说说服服纽纽约约人人认认可可宪宪法法，匿匿名名发发表表了了著著名名的的8585篇篇论论文文。这这些些论论文文中中的的大大多多数数作作者者已已经经得得到到了了识识别别，但但是是，其其中中的的1212篇篇论论文文的的作作者身份引起了争议者身份引起了争议 通通过过对对不不同同单单词词的的频频数数进进行行统统计计分分析析，得得出出的的结结论论是是，James James MadisonMadison最最有有可可能能是是这这1212篇篇论论文文的的作作者者。现现在在，对对于于这这些些存存在在争争议议的的论论文文，认认为为James James MadisonMadison是是原原创创作作者者的的说说法法占占主主导导地地位位，而而且且几几乎乎可可以肯定这种说法是正确以肯定这种说法是正确 July 30,20101-15统计学统计学STATISTICS统计的应用领域统计的应用领域【例例例例1.21.2】用简单的描述统计量得到一个重要发现用简单的描述统计量得到一个重要发现用简单的描述统计量得到一个重要发现用简单的描述统计量得到一个重要发现 费费舍舍(R(RA AFisher)Fisher)在在19521952的的一一篇篇文文章章中中举举了了一一个个例例子子，说说明明如如何何由由基基本本的的描描述述统统计计量量的的知知识识引引出出一一个个重重要要的的发发现现。2020世世纪纪早早期期，哥哥本本哈哈根根卡卡尔尔堡堡实实验验室室的的施施密密特特(J.SchmidtJ.Schmidt)发发现现不不同同地地区区所所捕捕获获的的同同种种鱼鱼类类的的脊脊椎椎骨骨和和鳃鳃线线的的数数量量有有很很大大不不同同；甚甚至至在在同同一一海海湾湾内内不不同同地地点点所所捕获的同种鱼类，也发现这样的倾向捕获的同种鱼类，也发现这样的倾向 然然而而，鳗鳗鱼鱼的的脊脊椎椎骨骨的的数数量量变变化化不不大大。施施密密特特从从欧欧洲洲各各地地、冰冰岛岛、亚亚速速尔尔群群岛岛以以及及尼尼罗罗河河等等几几乎乎分分离离的的海海域域里里所所捕捕获获的的鳗鳗鱼鱼的的样样本本中中，计计算算发发现现了了几几乎乎一一样样的的均均值值和和标标准准偏偏差差值值。由由此此，施施密密特特推推断断所所有有各各个个不不同同海海域域内内的的鳗鳗鱼鱼是是由由海海洋洋中中某某公公共共场场所所繁繁殖殖的的。后后来来名名为为“戴戴纳纳(Dana)”(Dana)”的科学考察船在一次远征中发现了这个场所的科学考察船在一次远征中发现了这个场所July 30,20101-16统计学统计学STATISTICS统计的应用领域统计的应用领域【例例例例1.31.3】挑战者号航天飞机失事预测挑战者号航天飞机失事预测挑战者号航天飞机失事预测挑战者号航天飞机失事预测 19861986年年1 1月月2828日日清清晨晨，载载有有7 7名名宇宇航航员员的的挑挑战战者者号号进进入入发发射射状状态态。就就在在发发射射前前，有有冰冰片片牢牢附附在在机机壳壳上上。几几分分钟钟后后，正正当当电电视视新新闻闻报报道道它它已已进进入入轨轨道道时时，航航天天飞飞机机在在毁灭性的爆炸声中化成碎片，机上的宇航员片骨未存毁灭性的爆炸声中化成碎片，机上的宇航员片骨未存 推推动动航航天天飞飞机机进进入入太太空空的的两两个个固固体体燃燃料料发发动动机机是是由由ThiokolThiokol公公司司制制造造的的。失失事事前前一一天天晚晚上上，ThiokolThiokol公公司司的的经经理理们们和和国国家家航航空空航航天天局局就就如如期期发发射射还还是是推推迟迟发发射射产产生生了了争争执执。天天气气预预报报发发射射时时的的气气温温为为31310 0F F。争争执执的的结结果果采采纳纳了了ThiokolThiokol公公司司经经理理们们的的建建：按按计计划划发发射射航航天天飞飞机机。因因为为他他们们觉觉得得没没有有确确凿凿证证据据表表明明低低温温会会对对固固体体燃燃料料火火箭箭推推进进器的性能产生影响器的性能产生影响July 30,20101-17统计学统计学STATISTICS统计的应用领域统计的应用领域【例例例例1.31.3】挑战者号航天飞机失事预测挑战者号航天飞机失事预测挑战者号航天飞机失事预测挑战者号航天飞机失事预测 在在此此次次失失事事前前，该该航航天天飞飞机机2424次次发发射射成成功功。将将航航天天飞飞机机送送入入太太空空的的两两个个固固体体燃燃料料推推进进器器由由6 6只只OO型型项项圈圈密密封封。在在几几次次飞飞行行中中，曾曾发发生生过过OO型型项项圈圈被被腐腐蚀蚀或或气气体体泄泄漏漏事事故故。这这样样的的事事故故是是及及其其危危险险的的。前前2424次次发发射射中中有有一一次次发发动动机机遭遭到到了了永永久久性性破破坏坏。根根据据2323次次飞飞行行中中发发生生腐腐蚀蚀或或泄泄漏漏事事故故的的次次数数(因因变变量量)及及火火箭箭连连接接处处的的温温度度(自自变变量量)数数据据，进进行行线线性性回回归归得得到到的的回回归方程为归方程为当当温温度度为为31310 0F F时时，OO型型项项圈圈发发生生事事故故的的预预计计次次数数为为2.2252.225次次。结结果果显显示示连连接接处处的的温温度度与与OO型型项项圈圈事事故故之之间间有有一一定定的的相相关关性性。如如果果当当时时那那些些经经理理们们看看到到了了回回归归的的预预测测结结果果，也也许许推推迟迟发发射射会成为其谨慎的选择会成为其谨慎的选择July 30,20101-18统计学统计学STATISTICS统计的误用与滥用统计的误用与滥用1.1.大约在一个世纪以前，政治家大约在一个世纪以前，政治家Benjamin DisraeliBenjamin Disraeli曾有一曾有一个著名的论断：个著名的论断：“有三类谎言：谎言、糟透的谎言和统有三类谎言：谎言、糟透的谎言和统有三类谎言：谎言、糟透的谎言和统有三类谎言：谎言、糟透的谎言和统计计计计”。他还说：他还说：“图并没有说谎，是说谎者在画图图并没有说谎，是说谎者在画图图并没有说谎，是说谎者在画图图并没有说谎，是说谎者在画图”2.2.历史学家历史学家Andrew LangAndrew Lang说，一些人使用统计说，一些人使用统计“就像喝醉就像喝醉就像喝醉就像喝醉酒的人使用街灯柱酒的人使用街灯柱酒的人使用街灯柱酒的人使用街灯柱支撑的功能多于照明支撑的功能多于照明支撑的功能多于照明支撑的功能多于照明”3.3.统计滥用统计滥用统计滥用统计滥用n n不好的样本不好的样本不好的样本不好的样本n n过小的样本过小的样本过小的样本过小的样本n n误导性图表误导性图表误导性图表误导性图表n n局部描述局部描述局部描述局部描述n n故意曲解故意曲解故意曲解故意曲解July 30,20101.2 怎样获得统计数据怎样获得统计数据 1.2.1 变量与数据变量与数据 1.2.2 数据的来源数据的来源 第第 1 章章 统计和统计数据统计和统计数据July 30,20101.2.1 变量与数据变量与数据1.2 怎样获得统计数据怎样获得统计数据July 30,20101-21统计学统计学STATISTICS变量与数据变量与数据1.变量(variable)n n从一次观察到下一次观察会出现不同结果的某种从一次观察到下一次观察会出现不同结果的某种特征特征l l观察一个企业的销售额，这个月和上个月有所不同；观观察一个企业的销售额，这个月和上个月有所不同；观察股票市场上涨股票的家数，今天与昨天数量不一样；察股票市场上涨股票的家数，今天与昨天数量不一样；观察一个班学生的生活费支出，一个人和另一个人不一观察一个班学生的生活费支出，一个人和另一个人不一样；投掷一枚骰子观察其出现的点数，这次投掷的结果样；投掷一枚骰子观察其出现的点数，这次投掷的结果和下一次也不一样和下一次也不一样l l“企业销售额企业销售额”、“上涨股票的家数上涨股票的家数”、“生活费支出生活费支出”、“投掷一枚骰子出现的点数投掷一枚骰子出现的点数”等就是变量等就是变量2.数据(data)n n观察到的变量的结果观察到的变量的结果July 30,20101-22统计学统计学STATISTICS统计数据的分类统计数据的分类统计数据的分类统计数据的分类按计量层次按计量层次分分分分类类类类的的的的数数数数据据据据顺顺顺顺序序序序的的的的数数数数据据据据数数数数值值值值型型型型数数数数据据据据按时间状况按时间状况截截截截面面面面的的的的数数数数据据据据时时时时序序序序的的的的数数数数据据据据按收集方法按收集方法观观观观察察察察的的的的数数数数据据据据试试试试验验验验的的的的数数数数据据据据July 30,20101-23统计学统计学STATISTICS统计数据的分类统计数据的分类(按计量尺度分按计量尺度分)1.1.分类数据分类数据分类数据分类数据(categorical data)(categorical data)n n只能归于某一类别的非数字型数据只能归于某一类别的非数字型数据n n对事物进行分类的结果，数据表现为类别，用文字来表述对事物进行分类的结果，数据表现为类别，用文字来表述n n例如，人口按性别分为男、女两类例如，人口按性别分为男、女两类 2.2.顺序数据顺序数据顺序数据顺序数据(rank data)(rank data)n n只能归于某一有序类别的非数字型数据只能归于某一有序类别的非数字型数据n n对事物类别顺序的测度，数据表现为类别，用文字来表述对事物类别顺序的测度，数据表现为类别，用文字来表述n n例如，产品分为一等品、二等品、三等品、次品等例如，产品分为一等品、二等品、三等品、次品等 3.3.数值型数据数值型数据数值型数据数值型数据(metric data)(metric data)n n按数字尺度测量的观察值按数字尺度测量的观察值n n结果表现为具体的数值，对事物的精确测度结果表现为具体的数值，对事物的精确测度n n例如：身高为例如：身高为175cm175cm、168cm168cm、183cm183cmJuly 30,20101-24统计学统计学STATISTICS统计数据的分类统计数据的分类(按收集方法分按收集方法分)1.1.观测观测观测观测的数据的数据的数据的数据(observational data)(observational data)n nn通过调查或观测而收集到的数据通过调查或观测而收集到的数据通过调查或观测而收集到的数据n nn在没有对事物人为控制的条件下而得到的在没有对事物人为控制的条件下而得到的在没有对事物人为控制的条件下而得到的n nn有有有关关关社社社会会会经经经济济济现现现象象象的的的统统统计计计数数数据据据几几几乎乎乎都都都是是是观观观测测测数数数据据据2.2.试验试验试验试验的数据的数据的数据的数据(experimental data)(experimental data)n nn在试验中控制试验对象而收集到的数据在试验中控制试验对象而收集到的数据在试验中控制试验对象而收集到的数据n nn比比比如如如，对对对一一一种种种新新新药药药疗疗疗效效效的的的试试试验验验，对对对一一一种种种新新新的的的农农农作物品种的试验等作物品种的试验等作物品种的试验等n nn自然科学领域的数据大多数都为试验数据自然科学领域的数据大多数都为试验数据自然科学领域的数据大多数都为试验数据July 30,20101-25统计学统计学STATISTICS统计数据的分类统计数据的分类(按时间状况分按时间状况分)1.截面数据(cross-sectional data)n n在相同或近似相同的时间点上收集的数据在相同或近似相同的时间点上收集的数据n n描述现象在某一时刻的变化情况描述现象在某一时刻的变化情况n n比如，比如，20052005年我国各地区的国内生产总值数据年我国各地区的国内生产总值数据2.时间序列数据(time series data)n n在不同时间上收集到的数据在不同时间上收集到的数据n n描述现象随时间变化的情况描述现象随时间变化的情况n n比如，比如，20002000年至年至20052005年国内生产总值数据年国内生产总值数据July 30,20101.2.2 数据的来源数据的来源1.2 怎样获得统计数据怎样获得统计数据July 30,20101-27统计学统计学STATISTICS数据的来源数据的来源1.寻找二手数据2.抽取样本n n总总体体(population)(population)：包包含含所所研研究究的的全全部部个个体体(数据数据)的集合的集合n n样样本本(sample)(sample)：从从总总体体中中抽抽取取的的一一部部分分元元素素的集合的集合n n样样本本量量(sample(sample size)size)：构构成成样样本本的的元元素素的的数数目目3.3.概率抽样方法July 30,20101-28统计学统计学STATISTICS抽样方法抽样方法July 30,20101-29统计学统计学STATISTICS概率抽样概率抽样(probability sampling)1.根据一个已知的概率来抽取样本单位，也称随机抽样2.特点n n按一定的概率以随机原则抽取样本按一定的概率以随机原则抽取样本 抽取样本时使每个单位都有一定的机会被抽中抽取样本时使每个单位都有一定的机会被抽中n n每每个个单单位位被被抽抽中中的的概概率率是是已已知知的的，或或是是可可以以计计算出来的算出来的 n n当当用用样样本本对对总总体体目目标标量量进进行行估估计计时时，要要考考虑虑到到每个样本单位被抽中的概率每个样本单位被抽中的概率July 30,20101-30统计学统计学STATISTICS简单随机抽样简单随机抽样(simple random sampling)1.从从总总体体N N个个单单位位(元元素素)中中随随机机地地抽抽取取n n个个单单位位作作为为样样本本，使使得得总总总总体体体体中中中中每每每每一一一一个个个个元元元元素素素素都都有有相相同同的的机机会会(概率概率)被抽中被抽中 2.抽取元素的具体方法有重复抽样和不重复抽样抽取元素的具体方法有重复抽样和不重复抽样3.特点特点n n简单、直观，在抽样框完整时，可直接从中抽取样本简单、直观，在抽样框完整时，可直接从中抽取样本n n用样本统计量对目标量进行估计比较方便用样本统计量对目标量进行估计比较方便4.局限性局限性n n当当N N很大时，不易构造抽样框很大时，不易构造抽样框n n抽出的单位很分散，给实施调查增加了困难抽出的单位很分散，给实施调查增加了困难n n没有利用其他辅助信息以提高估计的效率没有利用其他辅助信息以提高估计的效率July 30,20101-31统计学统计学STATISTICS简单随机样本简单随机样本(simple random sample)1.由简单随机抽样形成的样本2.从总体N个单位中随机地抽取n个单位作为样本，使得每每一一个个容容量量为为n样样本本都有相同的机会(概率)被抽中 3.参数估计和假设检验所依据的主要是简单随机样本July 30,20101-32统计学统计学STATISTICS分层抽样分层抽样(stratified sampling)1.将总体单位按某种特征或某种规则划分为不同的层，然后从不同的层中独立、随机地抽取样本2.优点n n保保证证样样本本的的结结构构与与总总体体的的结结构构比比较较相相近近，从从而提高估计的精度而提高估计的精度n n组织实施调查方便组织实施调查方便n n既既可可以以对对总总体体参参数数进进行行估估计计，也也可可以以对对各各层层的目标量进行估计的目标量进行估计July 30,20101-33统计学统计学STATISTICS系统抽样系统抽样(systematic sampling)1.将总体中的所有单位(抽样单位)按一定顺序排列，在规定的范围内随机地抽取一个单位作为初始单位，然后按事先规定好的规则确定其他样本单位n n先先从从数数字字1 1到到k k之之间间随随机机抽抽取取一一个个数数字字r r作作为为初始单位，以后依次取初始单位，以后依次取r r+k k，r r+2+2k k等单位等单位2.优点：操作简便，可提高估计的精度3.缺点：对估计量方差的估计比较困难July 30,20101-34统计学统计学STATISTICS整群抽样整群抽样(cluster sampling)1.将总体中若干个单位合并为组(群)，抽样时直接抽取群，然后对中选群中的所有单位全部实施调查2.特点n n抽样时只需群的抽样框，可简化工作量抽样时只需群的抽样框，可简化工作量n n调调查查的的地地点点相相对对集集中中，节节省省调调查查费费用用，方方便便调查的实施调查的实施n n缺点是估计的精度较差缺点是估计的精度较差July 30,20101-35统计学统计学STATISTICS几种常用的统计软件几种常用的统计软件(Software)典型的统计软件典型的统计软件nSASnSPSSnMINITABnSTATISTICAnExcelnRMINITABMINITABMINITABSTATISTICASTATISTICASTATISTICAExcelExcelExcelSASSASSASSPSSSPSSSPSSJuly 30,20101-36统计学统计学STATISTICSSPSS简介简介主菜单variable view变量浏览Data view 数据浏览 SPSS的主窗口-数据浏览界面July 30,20101-37统计学统计学STATISTICSSpss的主窗口-variable view变量浏览界面July 30,20101-38统计学统计学STATISTICSFile:文件操作完成文件的调入、存储、显示和打印等操作。July 30,20101-39统计学统计学STATISTICSedit:文件编辑完成文本或数据内容的选择、拷贝、剪贴、寻找 和替换等操作。July 30,20101-40统计学统计学STATISTICSview:浏览编辑完成文本或数据内容的状态栏、工具栏、字体、网格线和数值标签等功能的操作。July 30,20101-41统计学统计学STATISTICSdata:数据管理完成数据变量名称和格式的定义，数据资料的选择、排序、加权、数据文件的转换、连接和汇总等操作。July 30,20101-42统计学统计学STATISTICStransform:数据转换完成数据值的计算、重新编码和缺失值替代等操作。July 30,20101-43统计学统计学STATISTICSanalyze:统计分析完成一系列统计分析的选择和应用。July 30,20101-44统计学统计学STATISTICSgraphs:统计图表完成统计图表的建立和编辑。July 30,20101-45统计学统计学STATISTICSutilities:实用程序有关命令解释、字体选择、文件信息、定义输出标题和窗口设计等。July 30,20101-46统计学统计学STATISTICSwindow:窗口控制可进行窗口的排列、选择和显示等操作。July 30,20101-47统计学统计学STATISTICSHelp:帮助帮助文件的调用、查询和显示等。July 30,20101-48统计学统计学STATISTICSSpss的结果输出窗口输出Spss的统计分析程序的结果July 30,2010结结 束束July 30,2010