数据的图表展示.ppt

《数据的图表展示.ppt》由会员分享，可在线阅读，更多相关《数据的图表展示.ppt（78页珍藏版）》请在三一办公上搜索。

1、数据分析(方法与案例),统计学基础,Fundamental Statistics,第 2 章 数据的图表展示,2.1 数据的预处理2.2 品质数据的整理与展示 2.3 数值型数据的整理与展示 2.4 合理使用图表,Display,为什么要预处理,调查收集到的原始统计资料常常是大量的。它必须经过加工整理，如分类归并汇总，按时间前后或按数值大小重新排列等，才容易发现数据的规律性，并便于做进一步的统计分析。,加工整理，归并汇总，重新排列,调查得到的原始统计资料,发现数据的规律性，作进一步的统计分析,学习目标,数据预处理的内容和目的分类和顺序数据的整理与显示方法数值型数据的整理与显示方法用Excel作

2、频数分布表和形图合理使用图表,2010年,统计应用把数据画图之后，要用用脑袋,沃德(Abraham Wald)和许多统计学家一样，在第二次世界大战时也处理了战争与相关的问题。他发明的一些统计方法在战时被视为军事机密。以下是他提出的概念中较简单的一种沃德被咨询飞机上什么部位应该加强钢板时，开始研究从战役中返航的军机上受敌军创伤的弹孔位置。他画了飞机的轮廓，并且标识出弹孔的位置。资料累积一段时间后，几乎把机身各部位都填满了。于是沃德建议，把剩下少数几个没有弹孔的部位补强。因为这些部位被击中的飞机都没有返航,2010年,2.1 数据的预处理 2.1.1 数据审核 2.1.2 数据排序 2.1.3 数

3、据筛选 2.1.4 数据透视表,第 2 章 数据的图表展示,数据的预处理,数据审核检查数据中的错误数据筛选找出符合条件的数据数据排序升序和降序寻找数据的基本特征数据透视按需要汇总,2010年,2.1.1 数据审核,2.1 数据的预处理,数据审核原始数据(raw data),完整性审核应调查的单位或个体是否有遗漏所有的调查项目或变量是否填写齐全准确性审核数据是否真实反映实际情况，内容是否符合实际数据是否有错误，计算是否正确等,2010年,数据的审核二手数据(second hand data),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数据是否符合自己分析研究的需要时效性审核尽可

4、能使用最新的数据确认是否有必要做进一步的加工整理,2010年,2.1.2 数据排序,2.1 数据的预处理,数据排序(data rank),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,2010年,数据排序(方法),分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数值型数据的排序递增排序：设一组数据为x1，x2，xn，递增排序后可表示为：x(1)x(2)x(n)

5、,2010年,2.1.3 数据筛选,2.1 数据的预处理,数据筛选(data filter),当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除,2010年,数据筛选(data filter),用Excel进行数据筛选,2010年,8名学生的考试成绩数据,【例2.1】8名学生4门课程的考试成绩数据。找出统计学成绩等于75分的学生，英语成绩最高的前3名学生，4门课程成绩都大于70分的学生,2.1.4 数据透视表,2.1 数据的预处理

6、,数据透视表(pivot table),可以从复杂的数据中提取有用的信息可以对数据表的重要信息按使用者的习惯或分析要求进行汇总和作图形成一个符合需要的交叉表(列联表)在利用数据透视表时，数据源表中的首行必须有列标题,2010年,数据透视表(pivot table),【例2.2】在某大学随机抽取30名学生，调查他们的性别、家庭所在地、平均月生活费支出、平均每月购买衣物支出和购买衣物时所考虑的首要因素等，得到的数据如表24所示。试建立一个数据透视表，在表的行变量中给出性别和购买衣物首选因素，在列变量中给出学生的家庭所在地，对平均月生活费支出和月平均购买衣物支出进行交叉汇总。,2010年,数据透视表

7、(用Excel创建数据透视表),第1步：在Excel工作表中建立数据清单第2步：选中数据清单中的任意单元格，并选择【数据】菜单 中的【数据透视表和数据透视图】第3步：确定数据源区域第4步：在【向导3步骤之3】中选择数据透视表的输出位置。然后选择【布局】第5步：在【向导布局】对话框中，依次将”分类变量“拖至 左边的“行”区域，上边的“列”区域，将需要汇总的“变 量”拖至“数据区域”第6步：然后单击【确定】，自动返回【向导3步骤之3】对 话框。然后单击【完成】，即可输出数据透视表,2010年,用Excel创建数据透视表,第 2 章 数据的图表展示,2.1 数据的预处理2.2 品质数据的整理与展示

8、2.3 数值型数据的整理与展示 2.4 合理使用图表,Display,2.2 品质数据的整理与展示 2.2.1 分类数据的整理与图示 2.2.2 数值型数据的整理与图示,第 2 章 数据的图表展示,数据的整理与显示(基本问题),要弄清所面对的数据类型不同类型的数据，采取不同的处理方式和方法对分类数据和顺序数据主要是作分类整理对数值型数据则主要是作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,2010年,2.2.1 分类数据的整理与图示,2.2 品质数据的整理与展示,分类数据的描述统计量,频数(frequency)：落在各

9、类别中的数据个数比例(proportion)：某一类别数据个数占全部数据个数的比值百分比(percentage)：将对比的基数作为100而计算的比值比率(ratio)：不同类别数值个数的比值,2010年,生成频数分布表(分类数据),1.列出各类别,2010年,3.生成频数分布表,生成频数分布表(定性数据),2010年,【例2.3】为研究不同类型的软饮料的市场销售情况，一家市场调查公司对随机抽取的一家超市进行调查。下面的表21是调查员随机观察的50名顾客购买的饮料类型及购买者性别的记录。生成频数分布表，观察饮料类型和消费者性别的分布状况，并进行描述性分析,制作频数分布表,Excel,分类数据的图

10、示条形图(bar Chart),用宽度相同的条形的高度或长短来表示各类别数据各类别可放在纵轴，称为条形图，可以放在横轴，称为柱形图(column chart),2010年,分类数据的图示复式条形图(bar Chart),饮料类型和顾客性别的条形图(SPSS的输出),2010年,分类数据的图示帕累托图(pareto chart),按各类别数据出现的频数多少排序后绘制的柱形图 用于展示分类数据的分布,2010年,分类数据的图示简单饼图(pie Chart),2010年,用圆形及圆内扇形的角度来表示数值大小的图形，主要用于表示一个样本(或总体)中各组成部分的数据占全部数据的比例用于研究结构问题,2.

11、2.2 顺序数据的整理与图示,2.2 品质数据的整理与展示,顺序数据的整理(可计算的统计量),1.累积频数(cumulative frequencies)：各类别频数的逐级累加2.累积频率(cumulative percentages)：各类别频率(百分比)的逐级累加,2010年,顺序数据的频数分布表(例题分析),2010年,【例2.4】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。,顺序数据的频数分布表(例题分析),2010年,顺序数据的图示累计频数分布图(例题

12、分析),2010年,甲城市家庭对住房状况评价的累积频数分布,环形图(doughnut chart),环形图中间有一个“空洞”，样本或总体中的每一部分数据用环中的一段表示与饼图类似，但又有区别饼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样本或总体的数据系列，每一个样本或总体的数据系列为一个环用于结构比较研究 用于展示分类和顺序数据,2010年,环形图(例题分析),2010年,2.3 数值型数据的整理与展示 2.3.1 数据分组 2.3.2 数值型数据的图示,第 2 章 数据的图表展示,2.3.1 数据分组,2.3 数值型数据的整理与展示数据,数据分组,2010年,分组方法,201

13、0年,分组方法,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,2010年,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需要遵循“不重不漏”的原则可采用等距分组，也可采用不等距分组,2010年,组距分组(几个概念),1.下限(low limit)：一个组的最小值2.上限(upper limit)：一个组的最大值3.组距(class width)：上限与下限之差4.组中值(class midpoint)：下限与上限之间的中点值,2010年,频数分布表的编制(例题分析),2010年,【例2.5】某电脑公司2005年前四

14、个月各天的销售量数据(单位：台)。试对数据进行分组,生成频数分布表(例题分析),确定组数：组数的确定应以能够显示数据的分布特征为目的。在实际分组时，组数一般为5K 15。本例中由于数据较多，可考虑分为10组 确定组距：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 例如，本例最大值为237，最小值为141，组距=(237-141)109.6。为便于计算，组距宜取5或10的倍数，且第一组的下限应低于最小变量值，最后一组的上限应高于最大变量值，因此组距可取10 统计出各组的频数。每个组的数据满足axb(上限值

15、不在内(Excel的计数规则是axb),2010年,制作频数分布,Excel,等距分组表(上下组限重叠),2010年,等距分组表(上下组限间断),2010年,等距分组表(使用开口组),2010年,2.3.2 数值型数据的图示,2.3 数值型数据的整理与展示数据,分组数据直方图(histogram),用于展示分组数据分布的一种图形用矩形的宽度和高度来表示频数分布本质上是用矩形的面积来表示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，即直方图直方图下的总面积等于1,2010年,分组数据的图示(直方图的绘制),2010年,某电脑公司销售量分布的直方图

16、,我一眼就看出来了，销售量在170180之间的天数最多!,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条形图主要用于展示分类数据，直方图则主要用于展示数值型数据,2010年,未分组数据茎叶图(stem-and-leaf plot),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，低位数字作树叶树叶上只保留

17、最后一位数字6.茎叶图类似于横置的直方图，但又有区别直方图可观察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直方图适用于大批量数据，茎叶图适用于小批量数据,2010年,未分组数据茎叶图(例题分析),2010年,某电脑公司销售量分布的茎叶图,未分组数据茎叶图(扩展的茎叶图),2010年,未分组数据箱线图(box plot),用于显示未分组的原始数据的分布箱线图是由一组数据的最大值(maximum)、最小值(minimum)、中位数(median)、两个四分位数(quartiles)这5个值绘制而成的中位数是一组数据排序后处于中

18、间位置上的变量值四分位数是一组数据排序后处在数据25%位置和75%位置上的两个分位数值 绘制方法首先找出一组数据的5个特征值，即最大值、最小值、中位数Me和两个四分位数(下四分位数QL和上四分位数QU)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,2010年,未分组数据箱线图(箱线图的构成),2010年,中位数,4,6,8,10,12,Median/Quart./Range箱线图,未分组数据箱线图(例题分析),2010年,最小值141,最大值237,中位数182,25%四分位数170.25,75%四分位数197,140 150 160 170 180 190 200 210 220 2

19、30 240,某电脑公司销售额数据的Median/Quart./Rang箱线图,分布的形状与箱线图,2010年,不同分布的箱线图,对称分布,Bell-shaped distribution,Left-skewed distribution,左偏分布,右偏分布,Right-skewed distribution,未分组数据看分布多批数据箱线图(例题分析),2010年,【例2.6】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。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,未分组数据多批数据箱线图(例题分析Median/Quart.

20、/Range),2010年,8门课程考试成绩的箱线图,未分组数据多批数据箱线图(SPSS绘制的箱线图),2010年,11名学生考试成绩的Median/Quart./Range箱线图,箱线图K线图(上证指数K线图),2010年,时间序列数据线图(line plot),表示时间序列数据趋势的图形时间一般绘在横轴，数据绘在纵轴图形的长宽比例大致为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,2010年,时间序列数据线图(例题分析),2010年,【例2.7】我国19912003年城乡居民家庭的人均收入数据如表。试绘制线图,两个变

21、量间的关系二维散点图(2D Scatterplots),展示两个变量之间的关系用横轴代表变量x，纵轴代表变量y，每组数据(xi，yi)在坐标系中用一个点表示，n组数据在坐标系中形成的个点称为散点，由坐标及其散点形成的二维数据图,2010年,两个变量间的关系散点图矩阵(2D Scatterplots),2010年,温度,降雨量,产量,三个变量间的关系三维散点图(3D Scatterplots),2010年,多变量数据雷达图(radar chart),也称为蜘蛛图(spider chart)显示多个变量的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

22、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,2010年,多变量数据雷达图(雷达图的制作),设有n组样本S1，S2，,Sn，每个样本测得P个变量X1，X2，,XP，要绘制这P个变量的雷达图，其具体做法是,2010年,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 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(例题分析),2010年,【例2.9】2003年我国城乡居民家庭平均每人各项生活消

23、费支出构成数据如表。试绘制雷达图,今天的主食是面包,2.4 合理使用图表 2.4.1 鉴别图形优劣的准则 2.4.2 统计表的设计,第 2 章 数据的图表展示,鉴别图表优劣的准则,一张好的图表应包括以下基本特征显示数据让读者把注意力集中在图表的内容上，而不是制作图表的程序上避免歪曲强调数据之间的比较服务于一个明确的目的有对图表的统计描述和文字说明5种鉴别图表优劣的准则：一张好的图表应当精心设计、有助于洞察问题的实质使复杂的观点得到简明、确切、高效的阐述能在最短的时间内以最少的笔墨给读者提供最大量的信息是多维的表述数据的真实情况,2010年,统计表的结构,2010年,行标题,列标题,数字资料,表头,附加,统计表的设计,合理安排统计表的结构总标题内容应满足3W 要求数据计量单位相同时，可放在表的右上角标明，不同时应放在每个变量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,2010年,本章小结,数据预处理的内容和目的分类和顺序数据的整理与显示方法数值型数据的整理与显示方法合理使用图表用Excel作频数分布表和图形,2010年,