EXCEL在统计分析中的应用.ppt

《EXCEL在统计分析中的应用.ppt》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、第二部分EXCEL在统计分析中的应用一、基本数理统计知识要利用计算机进行统计分析，就要求使用人员既要掌握一定的计算机操作方法，同时又要懂得一定的统计分析知识。本节先介绍统计分析中最基本的知识。1、总体与样本总体（Population）：是统计对象的测量值的总集合。对于感兴趣的整个组中，每个成员都对应一个这样的值。具体说来，是某省的人口（总体）或工业产值（总体）中某个指标测量值的集合，而不是那些人或物的集合。样本（Sample）：是总体中的一些值的集合（子集）。比如，一个样本可以是某个省中某县的人口的集合或某县工业产值的

2、集合。总体与样本的重要区别在于：二者虽然都是一些值的集合，但是“总体”代表统计对象组成的整个测量值的集合，“样本”只代表这个组群中的一个子组的测量值的集合。总体样本随机样本（RandomSample）是指既能够保证任何一个样本被选取的可能性都相同，又能够代表所在总体的趋势特征。一个样本充其量只是一个极其简单的随机样本。真正的随机样本的收集过程是一个科学性很强的复杂过程。2、参数与统计量统计量：均值：用以描述数据（值）分布的中心位置。比如，对于一个总体（某省）的人口，其平均值称为总体均值（PopulationMean）,

3、记为μ；对于某样本（某县）的人口，其平均人口则为样本均值（SampleAverage），记为。方差：标准差的平方则是方差。方差表示数据内部的变异性。标准偏差：也为标准差。表示某人的身高或收入等测量值偏离均值多少。2、参数与统计量参数（Parameters）：是总体的统计量，用希腊字母表示。（如总体均值μ、总体方差σ2、总体标准差σ）统计量（Statistics）：是样本的统计量，用一般的英文字母表示。（如样本均值μ、样本方差S2、样本标准差S）3、正态分布统计学上，一般都是假设被统计的样本是来自正态分布（NormalD

4、istribution）的总体。正态分布是关于总体的一种理论分布，是有严格的数学定义的。从正态分布的总体中随机抽取的样本一般是服从正态分布的。4、经验规则的应用如果数据来自服从正态分布的总体，可用下面的经验规则很快地概况出我们的数据。68%的观察值是落在离均值一个标准差（1σ）的范围内。95%的观察值是落在离均值二个标准差（2σ）的范围内。99%的观察值是落在离均值三个标准差（3σ）的范围内。5、小概率事件的实际不可能性原则小概率事件：该随机事件发生的可能性很小的事件。随机事件发生的概率：（0—1）。如P（A）=0.0

5、1，表示统计规律上讲，100次重复实验中，该事件A应该只发生1次。小概率事件发生的实际不可能性原则：在一次或几次实验中，小概率事件可以认为实际上是不会发生的。例如：座火车、乘飞机等。反过来，若在一次或几次实验中，某随机事件发生了，则该事件我们可以认为不是小概率事件。这个思路成为了统计检验的基本准则。（小概率事件发生的实际不可能性原则）5、显著性水平与α值α值是理论上的显著水平，也称为临界域或参考概率。理论的显著性水平α值的选择:α值一般有3种取值：0·10、0·05、0·01，分别表示“中等显著”、“显著”、“高度显著

6、”。显著性水平0·05（即5%），它表示：如果抽取100个样本，即进行100次的假设检验，而得出错误结论的次数大于等于5次（5÷100=0·05）。这里所说的“错误”，实际上是指：当备择假设（对立假设H1）不正确但误认为是正确的（“拒真”事件）。例：有下列一对零假设和备择假设：H0：μ=0（总体均值为0）H1：μ≠0（总体均值不为0）如果总体均值确实为0，但是您误认为总体均值不为0，这就称为“错误”。统计学上称之为“第一类错误”，也称之为“弃真错误”。一般我们进行假设检验时，有H0和H1的设定。先确定显著性水平α，如双

7、尾检验，则如图所示：选取统计量，并用随机抽样得到的样本进行计算，最终得到相应的概率值P。若P>α，则我们接受H0，否则，拒绝H0。可见，发生小概率事件后，我们否定H0。这里就存在一个可能，即H0本来为真而被否决的情况，即拒真事件发生。同样，也存在“采伪事件”。两类错误“弃真”的错误当备择假设（对立假设H1）不正确但误认为是正确的，统计上称这为一类错误为“弃真”的错误（1类错误）。避免“弃真”的错误的方法是重新选择合适的α值。“采伪”的错误本该拒绝原假设H0但未能拒绝，统计学上称之为“采伪”的错误（2类错误）。若能控制好

8、样本量，则能避免“采伪”的错误。二、相关与回归分析回归分析和相关分析是分析现象间联系形态和密切程度的数学方法。所谓回归分析，就是对具有相互联系的现象，根据其关系的形态，选择一个合适的数据模式，用来近似地表达变量间平均变化关系。这个数学模式，称为回归方程式。相关分析是测定各个变量之间的关系密切程度的方法，它用一个指标数值表明变量之间