数据分析描述性统计分析过程.ppt

《数据分析描述性统计分析过程.ppt》由会员分享，可在线阅读，更多相关《数据分析描述性统计分析过程.ppt（33页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、数据分析描述性统计分析过程现在学习的是第1页，共33页几种描述性统计分析的SAS过程和作图过程proc means proc univariate proc corr proc plot/proc gplot proc capability现在学习的是第2页，共33页proc means（1）Means过程的语句格式过程的语句格式Means过程的主要控制语句如下：proc means 输入数据集名 ;var变量列表;class 变量列表;byfreq变量列表;变量;weight 变量;id变量列表 ;output ;run;现在学习的是第3页，共33页proc means（2）var语句语句规

2、定要求计算简单描述性统计量的数规定要求计算简单描述性统计量的数值变量的次序。by语句语句按按by语句定义的变量进行分组计算其相语句定义的变量进行分组计算其相应的简单统计量,要求输入数据集已按by变量排序。class语句语句与与by语句一样，可用语句一样，可用class变量定义变量定义观测组，分别计算各组观测的描述统计量。输出格式与by不同且事先不需要按class变量排序。freq语句语句指定一个数值型的指定一个数值型的freq变量，它的值变量，它的值表示输入数据集中相应观测出现的频数。weight语句语句规定一个规定一个weight变量，它的值表示变量，它的值表示相应观测的权数。id语句语句在

3、输出数据集中增加一个或几个附加变在输出数据集中增加一个或几个附加变量，目的在于识别输出数据集里的观测。其值为生成这个观测的输入数据集中相应观测组里id变量具有的最大值。现在学习的是第4页，共33页ntcvproc means（3）proc means语句中可用的统计量关键字语句中可用的统计量关键字统计量名称含义统计量名称 含义未丢失的观测个数mode众数，出现频数最高的数nmissmeanstderrsumstdvarusscssskewnesskurtosis丢失的观测个数算术平均均值的标准误差加权和标准偏差方差变异系数的百分数加权平方和关于均值偏差的加权平方和对称性的度量偏度对尾部陡平的度

4、量峰度sumwgtmaxminrangemedianprtclmlclmuclm权数和最大值最小值极差，maxmin中间值总体均值等于0的t统计量t分布的双尾p值置信度上限和下限置信度下限置信度上限现在学习的是第5页，共33页proc means（4）output语句中的选项。语句中的选项。输出数据集输出数据集名。统计量关键字=变量名列表规定在输出数据集中要包含的统计量并规定这些统计量在新数据集中的变量名。means过程对过程对output语句的次数没有语句的次数没有限制，可以使用几个output语句来创建内容不同的多个数据集。现在学习的是第6页，共33页Nproc means（5）SAS程序

5、程序data examp1;input x;cards;70.4 72.0 76.5 74.3 76.5 77.6 67.3 72.0 75.0 74.373.5 79.5 73.5 74.7 65.0 76.5 81.6 75.4 72.7 72.767.2 76.5 72.7 70.4 77.2 68.8 67.3 67.3 67.3 72.775.8 73.5 75.0 72.7 73.5 73.5 72.7 81.6 70.3 74.373.5 79.5 70.4 76.5 72.7 77.2 84.3 75.0 76.5 70.4;proc means data=examp1 n m

6、ean cv skewness kurtosis range median;var x;run;输出The MEANS ProcedureAnalysis Variable:xMeanVariationSkewnessKurtosisRangeMedian50 73.7460000 5.4083794 0.1540111 0.3581179 19.300000073.5000000现在学习的是第7页，共33页proc univariate（1）单变量统计分析对一组单指标实验数据进行分析常采用两种方法：图示法包括茎叶图、盒型图和正态概率图。描述统计量包括矩、分位数、极端值和頻数分布表。现在学习的

7、是第8页，共33页proc univariate（2）Univariate过程的主要控制语句如下：过程的主要控制语句如下：proc univariate 输入数据集名 ;varbyfreqweightid变量列表变量列表变量 ;变量 ;变量列表;output ;run;现在学习的是第9页，共33页proc univariate（3）Univariate过程的主要控制语句如下：过程的主要控制语句如下：proc univariate 输入数据集名 ;varbyfreqweightid变量列表变量列表变量 ;变量 ;变量列表;output ;run;现在学习的是第10页，共33页教材1.1例题 ex

8、amp1_1（SAS程序）data examp1_1;input x;cards;74.3 78.8 68.8 78.0 70.4 80.5 80.5 69.7 71.2 73.579.5 75.6 75.0 78.8 72.0 72.0 72.0 74.3 71.2 72.075.0 73.5 78.8 74.3 75.8 65.0 74.3 71.2 69.7 68.073.5 75.0 72.0 64.3 75.8 80.3 69.7 74.3 73.5 73.575.8 75.8 68.8 76.5 70.4 71.2 81.2 75.0 70.4 68.070.4 72.0 76.5

9、 74.3 76.5 77.6 67.3 72.0 75.0 74.373.5 79.5 73.5 74.7 65.0 76.5 81.6 75.4 72.7 72.767.2 76.5 72.7 70.4 77.2 68.8 67.3 67.3 67.3 72.775.8 73.5 75.0 72.7 73.5 73.5 72.7 81.6 70.3 74.373.5 79.5 70.4 76.5 72.7 77.2 84.3 75.0 76.5 70.4;proc univariate data=examp1_1;var x;run;现在学习的是第11页，共33页教材1.1例题 examp

10、1_1（SAS结果1）The UNIVARIATE ProcedureVariable:xMomentsNMeanStd DeviationSkewness100 Sum Weights73.66 Sum Observations3.94008153 Variance0.06007521 Kurtosis100736615.52424240.03386864Uncorrected SS544116.46 Corrected SS1536.9Coeff Variation 5.34901103 Std Error MeanBasic Statistical Measures0.39400815L

11、ocationVariabilityMean 73.66000 Std DeviationMedian 73.50000 VarianceMode 73.50000 Range3.9400815.5242420.00000Interquartile Range4.60000现在学习的是第12页，共33页教材1.1例题 examp1_1（SAS结果2）The UNIVARIATE ProcedureQuantiles(Definition 5)Quantile100%Max99%95%90%75%Q3Estimate84.3082.9580.5079.1575.8050%Median25%Q11

12、0%73.5071.2068.405%1%0%Min67.3064.6564.30现在学习的是第13页，共33页proc capability（能力分析过程）PROC CAPABILITY is designed for processcapability analysis,including:Histograms（直方图）and comparative histograms.Cumulative distribution function plots(cdf plots)（累积分布函数）.Quantile-quantile plots(Q-Q plots),probabilityplots,

13、and probability-probability plots(P-P plots).These plots facilitate the comparison of a datadistribution with various theoretical distributions.Goodness-of-fit（拟合优度）tests for a variety ofdistributions including the normal.Statistical intervals(prediction,tolerance,andconfidence intervals)for a norma

14、l population.现在学习的是第14页，共33页教材1.2例题 examp1_4（SAS程序）data examp1_4;input x;cards;74.3 78.8 68.8 78.0 70.4 80.5 80.5 69.7 71.2 73.579.5 75.6 75.0 78.8 72.0 72.0 72.0 74.3 71.2 72.075.0 73.5 78.8 74.3 75.8 65.0 74.3 71.2 69.7 68.073.5 75.0 72.0 64.3 75.8 80.3 69.7 74.3 73.5 73.575.8 75.8 68.8 76.5 70.4

15、71.2 81.2 75.0 70.4 68.070.4 72.0 76.5 74.3 76.5 77.6 67.3 72.0 75.0 74.373.5 79.5 73.5 74.7 65.0 76.5 81.6 75.4 72.7 72.767.2 76.5 72.7 70.4 77.2 68.8 67.3 67.3 67.3 72.775.8 73.5 75.0 72.7 73.5 73.5 72.7 81.6 70.3 74.373.5 79.5 70.4 76.5 72.7 77.2 84.3 75.0 76.5 70.4;proc capability data=examp1_4;

16、histogram x/normal(mu=est sigma=est);cdfplot/normal(mu=est sigma=est);qqplot x/normal(mu=est sigma=est);run;现在学习的是第15页，共33页教材1.2例题 examp1_4（SAS结果）The CAPABILITY ProcedureFitted Normal Distribution for xParameters for Normal DistributionParameter Symbol EstimateMeanMu73.66Std Dev Sigma 3.940082Quanti

17、les for Normal Distribution-Quantile-Percent Observed Estimated1.0 64.6500 64.49405.0 67.3000 67.179110.0 68.4000 68.610625.0 71.2000 71.002550.0 73.5000 73.660075.0 75.8000 76.317590.0 79.1500 78.709495.0 80.5000 80.140999.0 82.9500 82.8260现在学习的是第16页，共33页教材1.2例题 examp1_4（SAS直方图）现在学习的是第17页，共33页教材1.2

18、例题 examp1_4（SAS分布函数图）现在学习的是第18页，共33页教材1.2例题 examp1_4（SAS qq图）现在学习的是第19页，共33页教材1.2例题 examp1_6（SAS程序）data examp1_6;input x;cards;74.3 78.8 68.8 78.0 70.4 80.5 80.5 69.7 71.2 73.579.5 75.6 75.0 78.8 72.0 72.0 72.0 74.3 71.2 72.075.0 73.5 78.8 74.3 75.8 65.0 74.3 71.2 69.7 68.073.5 75.0 72.0 64.3 75.8 8

19、0.3 69.7 74.3 73.5 73.575.8 75.8 68.8 76.5 70.4 71.2 81.2 75.0 70.4 68.070.4 72.0 76.5 74.3 76.5 77.6 67.3 72.0 75.0 74.373.5 79.5 73.5 74.7 65.0 76.5 81.6 75.4 72.7 72.767.2 76.5 72.7 70.4 77.2 68.8 67.3 67.3 67.3 72.775.8 73.5 75.0 72.7 73.5 73.5 72.7 81.6 70.3 74.373.5 79.5 70.4 76.5 72.7 77.2 84

20、.3 75.0 76.5 70.4;proc univariate data=examp1_6 plot;var x;run;现在学习的是第20页，共33页#4教材1.2例题 examp1_6（SAS结果）Stem LeafBoxplot84 3838281 26680 35579 55578 088877 22676 555555575 0000000468888874 33333333773 5555555555572 0000000777777771 222270 3444444469 77768 0088867 233336665 0064 3133343714911148355210

21、|+-+|*-+-*|+-+|0现在学习的是第21页，共33页教材1.2例题 examp1_8（SAS程序）data examp1_8;input x;cards;25 45 50 54 55 61 64 68 72 75 75 78 79 81 83 8484 84 85 86 86 86 87 89 89 89 90 91 91 92 100;proc univariate data=examp1_8 normal;run;proc capability data=examp1_8 graphics noprint;histogram x/weibull vscale=proportion

22、;run;data delmin;set examp1_8;if x=25 then delete;run;proc capability data=delmin graphics noprint;histogram x/weibull vscale=proportion;cdfplot x/weibull;run;现在学习的是第22页，共33页2教材1.2例题 examp1_8（SAS结果1）Tests for NormalityTest-Statistic-p Value-Shapiro-WilkW 0.863287Pr D W-Sq A-Sq W-Sq A-Sq Chi-Sq W-Sq

23、0.013Pr A-Sq Chi-Sq 0.073结论：对于删去25的数据集,接受Weibull分布的假设现在学习的是第23页，共33页教材1.2例题 examp1_8（SAS结果2）现在学习的是第24页，共33页proc corr(1)proc corr(相关分析过程)用于计算变量之间的相关系数，包括Pearson（皮尔逊）的乘积矩相关和加权乘积矩相关。还能产生三个非参数的关联测量：Spearman的秩相关，Kendall的tau-b和Hoeffding的相关性度量D。proc corr语句调用corr过程，且是唯一必须的语句。如果只使用proc corr这一条的语句，过程计算输入数据集中所

24、有数值变量之间的相关系数。其余语句是供选择的。现在学习的是第25页，共33页proc corr(2)proc corr过程一般由下列语句控制：proc corrvarwithpartialweightfreqByrun;data=数据集;变量列表;变量列表 ;变量列表;变量 ;变量 ;变量列表 ;现在学习的是第26页，共33页教材1.3例题 examp1_9（SAS程序）data examp1_9;input x y;cards;68 971 63 892 70 1125 6 8265 931 9 112 10 162 12 32120 315 30 375 33 462 27 35221 3

25、05 5 84 14 229 27 33217 185 53 703 62 872 65 740;run;proc corr data=examp1_9 pearson spearman cov;run;run;现在学习的是第27页，共33页xyNxy教材1.3例题 examp1_9（SAS结果1）The CORR Procedure2 Variables:xyCovariance Matrix,DF=19x570.45007845.0789y7845.0789112404.2632Simple StatisticsVariable20Mean33.85000Std Dev23.88410Me

26、dian27.00000Minimum5.00000Maximum70.0000020477.50000335.26745 342.00000 82.000001125现在学习的是第28页，共33页xyxy教材1.3例题 examp1_9（SAS结果2）The CORR ProcedurePearson Correlation Coefficients,N=20Prob|r|under H0:Rho=0 x1.000000.97971y0.97971.00011.00000|r|under H0:Rho=0 x1.000000.97366.0001y0.97366|r|under H0:Rho

27、=0 x1x2x3x4x5x6x1x2x3x4x5x61.000000.87024.0001-0.365760.1128-0.389690.0894-0.493080.0272-0.226300.33740.87024|r|under H0:Rho=0 x1x2x3x4x5x6x1x2x3x4x5x61.000000.81423.0001-0.370700.1076-0.380200.0982-0.577740.0076-0.199020.40020.81423.00011.00000-0.237700.3129-0.541900.0136-0.724730.0003-0.199400.399

28、3-0.370700.1076-0.237700.31291.000000.136620.56570.179240.44960.098410.6798-0.380200.0982-0.541900.01360.136620.56571.000000.656200.00170.322630.1653-0.577740.0076-0.724730.00030.179240.44960.656200.00171.000000.695210.0007-0.199020.4002-0.199400.39930.098410.67980.322630.16530.695210.00071.00000问题：变量之间的相关性如何？现在学习的是第33页，共33页