四、数据基本特征描述

1. 描述性统计分析

1.1 介绍

描述性统计分析是统计学中用于理解和概括数据集的方法，它涉及到一系列描述数据分布、集中趋势、离散程度和偏态等方面的指标。

这些指标有助于形成对数据集的整体认识。

1.2 原理

描述性统计分析的主要指标包括：

• 均值（平均值）： 数据的中心趋势。
• 中位数： 数据的中间值，对抗极端值的影响。
• 标准差： 数据的离散程度，衡量数据分散的程度。
• 偏态系数： 数据分布的偏斜程度，正值表示右偏，负值表示左偏。
• 四分位数： 划分数据集的四个等份，包括下四分位数（Q1）、中位数（Q2）和上四分位数（Q3）。

1.3 重点和注意事项

• 重点： 描述性统计分析帮助了解数据的基本特征，是数据初步分析的关键步骤。
• 注意事项：
  • 不同指标提供不同视角，结合使用更全面理解数据。
  • 异常值可能对某些指标产生较大影响，需谨慎处理。

1.4 完整案例

考虑一个案例：某班级学生的期末考试成绩数据。我们想通过描述性统计分析，了解成绩的分布、集中趋势和离散程度。

数据：

考试成绩数据：[75, 82, 90, 65, 88, 78, 94, 70]

Python代码：

import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import skew

# 考试成绩数据
exam_scores = np.array([75, 82, 90, 65, 88, 78, 94, 70])

# 计算均值、中位数、样本标准差和偏态系数
mean_score = np.mean(exam_scores)
median_score = np.median(exam_scores)
std_dev_score = np.std(exam_scores, ddof=1)
skewness = skew(exam_scores, bias=False)

# 计算四分位数和四分位距
q1 = np.percentile(exam_scores, 25)
q3 = np.percentile(exam_scores, 75)
iqr = q3 - q1

# 绘制直方图
plt.hist(exam_scores, bins=8, color='lightblue', edgecolor='black')

# 添加标题和标签
plt.title('Histogram of Exam Scores')
plt.xlabel('Exam Scores')
plt.ylabel('Frequency')

# 显示图表
plt.show()

print("Mean of exam scores:", mean_score)
print("Median of exam scores:", median_score)
print("Standard deviation of exam scores:", std_dev_score)
print("Skewness of exam scores:", skewness)
print("Q1 (25th percentile) of exam scores:", q1)
print("Q3 (75th percentile) of exam scores:", q3)
print("IQR of exam scores:", iqr)

代码中计算了考试成绩数据的均值、中位数、样本标准差、偏态系数、四分位数和四分位距，并绘制了考试成绩的直方图。

直方图展示了成绩数据的分布情况，而各种统计指标提供了对数据的全面描述。