數理統計與描述性分析

收集樣本——計算出樣本統計量——處理研究問題

統計量的分布為抽樣分布

import numpy as npx=[

2,2,
4,5,
6,8,
10]x_mean=np.mean(x)
#均值x_med=np.median(x)
#中位數
print
("均值為："
,x_mean)
print
("中位數為："
,x_med)
from scipy import stats
x_m=stats.mode(x)[0
][0]
print
("眾數為："
,x_m)
import pandas as pd
ser=pd.series(x)
x_m1=ser.mode(
)print
("眾數為："
,x_m1)
import numpy as npx=[
2,2,
4,5,
6,8,
10]x_var=np.var(x)
x_std=np.sqrt(x_var)
x_std1=np.std(x)
x_mean=np.mean(x)
x_cv=x_std1/x_mean
print
("方差"
,x_var)
print
("標準差"
,x_std1)
print
("變異係數"
,x_cv)

import pandas as pd

import numpy as np
import matplotlib.pyplot as plt
data=
list
(np.random.randn(
10000))
plt.hist(data,
10000
,facecolor=
'g',alpha=
0.5)
'''plt.hist(arr,bins=10,facecolor,edgecolor,alpha.histtype='bar')
'''plt.show(
)s=pd.series(data)
print
("偏度係數："
,s.skew())
print
("峰度係數："
,s.kurt(
))

描述性統計

上一節，我們談了資料視覺化，並且用python 對影象進行了簡單的實現。但是，這僅僅使得我們對資料分布的形狀和特徵有了乙個大概的了解。想要全面了解資料分布的特徵，還需要找到反應資料分布特徵的各個代表值。資料分布的特徵可以從三個方面進行測度和描述 1 分布的集中趨勢，反應各資料向其中心值靠攏或聚集的程...

描述性統計

眾數 一組資料 現最多的變數值 中位數 一組資料排序後處於中間位置上的變數值 分位數 四分位數 十分位數 百分位數 平均數 一組資料相加後除以資料個數的結果值 各變數值倒數的平均倒數，稱為調和平均數 n個變數值乘積的n次方根，稱為幾何平均數 眾數是一組資料分布的峰值，是一種位置代表值，不受值極端的影...

描述性統計

資料分布特徵可以從以下三個方面來描述 資料的水平，反應資料的集中程度 資料的差異，反應資料的離散程度 資料的分布形狀，反應數分布的偏態和峰態。描述資料水平的統計量 平均數 中位數 分位數 眾數。1.1.1 概念 1.1.2 優缺點1.2.1 眾數 1.2.2 中位數 1.2.3 分位數 分位數與中位...