探索性数据分析

《探索性数据分析》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、--研究生课程论文课程名称：探索性数据分析论文题目：同时描述两个变量的案例分析——基于JMP软件XX：学号：课程教师-.word.zl---本次将主要对第四章的同时描述两个变量进展简单地案例分析，这章主要将数据划分分两类：定类变量〔建模中包括定名型和定序型〕以及连续变量。在两个变量关系的研究中，我们需要分析上述两类变量的三种组合：两个定类变量、两个连续变量、连续变量和定类变量各一个。本章中，我们将会学习上述三种成对二元数据的几种常见分析方法。共同变化描述：两个定类变量主要通过初识二元分布图、马赛克图

2、、列联表描述共同变化描述：两个连续变量主要通过两个连续变量的分布、散点图、相关系数矩阵描述两组比拟：一个连续变量，一个定类变量主要通过单因子分析描述案例分析背景：高血压仍然是美国人的主要安康问题。数据表〔NHANES〕包含了来自于2005年美国对大量人群调查所得到的数据。在该案例分析中，我们只关注一下变量：RIAGENDR:受调查者的性别RIDAGEYR:受调查者的年龄〔单位：年〕RIDRETH1：受调查者的种族或民族背景BMXWT:受调查者的体重〔单位：千克〕BPXPLS:受调查者的静息脉率BPX

3、SY1：受调查者的收缩压〔最高值以BP为单位〕BPXD1：受调查者的舒图〔最小值以BP为单位〕-.word.zl---a、绘制收缩压与年龄的散点图。在这个样本中，血压会随着人们的年龄发生什么样的变化？绘制的散点图如下：二元拟合，以“RIDAGEYR〞拟合“BPXSY1〞-.word.zl---线性拟合BPXSY1=101.87455+0.4873796*RIDAGEYR拟合汇总R方0.333854调整R方0.333754均方根误差15.37906响应均值119.0438观测数〔或权重和〕6668方差

4、分析源自由度平方和均方F比模型1790155.27901553340.819误差66661576612.0237概率>F校正总和66672366767.2<.0001*参数估计值项估计值标准误差t比概率>

5、t

6、截距101.874550.35172289.65<.0001*RIDAGEYR0.48737960.00843257.80<.0001*图1散点图从上图可以看出，散点大局部都在红色拟合线附近，但散点呈现的形态与一条理想的直线的关系却相差甚远。在本例中R2为0.33，说明拟合效果较差，血压和年龄

7、之间的关系不是很明显。b、计算并输出收缩压和舒压之间的相关性度量。连续型数据的概括性描述被称为相关性分析，它度量了两个变量间线性相关强度。线性相关系数用字母r表示，是r方的平方根，因此，r的取值围是[-1.1]。r越接近区间端点，两个变量间的线性关系就越弱。两变量的相关系数矩阵如下列图2：-.word.zl---图2相关系数矩阵从上表可以看出，收缩压和舒压的相关系数是0.3993，说明两者的相关性不是很明显。-.word.zl---c、比拟男性和女性见收缩压的分布分布图如下：-.word.zl---

8、图3分布图从上图3可以看出，男性的收缩压和女性的收缩压差不多，男性为49.095%，女性为50.905%，说明收缩压和性别之间不存在特别大的关系。测量地大局部结果都集中在65~75之间。-.word.zl---d、比拟以种族或民族背景为依据的收缩压的分布。分布图如下：图4分布图-.word.zl---从上述图4可以看出，非西班牙裔白人收缩压占得比例最高，为37.97%，墨西哥裔美国其次，为27.528%，非西班牙裔黑人为26.281%。e、绘制收缩压与静息脉率的散点图。分布图如下：-.word.zl

9、---图5散点图从上述散点图可以看出，明显地看出静息脉率和血压没有明显的关系，拟合度很低，说明有人认为的静息脉率高，血压也高的结论是错误的。-.word.zl-