统计学第1章统计和统计数据.ppt
主讲人：张贝贝,统 计 学,教材,统计学 贾俊平中国人民大学出版社,2008年8月,推荐读物,统计学基本概念和方法统计学的世界统计陷阱漫画统计学统计学：从数据到结论吴喜之,2008年8月,统计思维总有一天会像读与写一样成为一个有效率公民的必备能力。H.G.Wells,统计名言,2008年8月,学习目标,统计学是什么？统计学与统计数据统计学与其他学科的关系统计方法统计的滥用和误用变量和数据数据的获得,2008年8月,什么是统计学?(statistics),举例：一个卖冷饮的小贩，在学校门口兜售冷饮，注意到每20个买冷饮的学生，大概有12个买蒙牛的，6个买伊利的，还有2个买其他的牌子。于是他认为在学生中蒙牛受欢迎的程度大概是yili的2倍,统计是人类思维的一个归纳过程,2008年8月,什么是统计学?(statistics),从现实生活中收集数据（观察冷饮的购买情况）根据数据作出判断（要利用统计分析方法，12/6）做出解释，得出结论（两个牌子受欢迎程度的比较）,总结该例子的统计过程,统计研究的过程（三个要素）,统计工作（收集数据的活动）统计数据（对现象计量的结果）统计学（分析数据的方法和技术）,2008年8月,统计研究的过程（四个步骤）,2008年8月,实际问题,收集数据（取得数据）,整理数据,分析数据,解释数据,2008年8月,什么是统计学?(statistics),数据搜集（调查与试验）数据整理（分组或分类）数据分析（回归分析）数据解释（结合问题解释分析）,统计学是一门收集、整理和分析数据的方法科学，其目的是探索数据的内在数量规律性，以达到对客观事物的科学认识。（大不列颠全书）,统计数据的内在规律（例子）,EG1：正常条件下新生婴儿的性别比是107:100EG2：投掷一枚均匀的硬币，出现正面和反面的概率各位1/2EG3：施肥量对农作物产量的影响,2008年8月,统计学与统计数据,二者密不可分统计学是有关统计数据的科学统计学由一套处理统计数据的方法所组成，这些方法源自对统计数据的研究，主要是针对统计数据的研究需要而发展起来的统计数据只有采用统计学的方法才能得出有益的结论,2008年8月,统计学与数学的关系,（联系）统计学运用大量的数学知识 数学为统计理论和统计方法的发展提供基础,2008年8月,统计学与数学的关系,（区别）1.数学研究抽象的、确定的数量规律 统计研究的是具体的、随机的数量 也有一些现象是既有规律性又有随机性的2.数学研究的是没有量纲或单位的抽象的数字 统计研究的是i有具体实物或计量单位的数据 所以，数学已不是统计学。,2008年8月,2008年8月,统计学与其他学科的关系,统计学研究的是来自各领域的数据，由解决其他领域内的问题而存在并兴旺发达。按萨维奇(L.J.Savage)的说法：统计学基本上是寄生的。靠研究其他领域内的工作而生存。这不是对统计学的轻视，这是因为对很多寄主来说，如果没有寄生虫就会死。对有的动物来说，如果没有寄生虫就不能消化它们的食物。因此，人类奋斗的很多领域，如果没有统计学，虽然不会死亡，但一定会变得很弱,统计学与其他学科的关系,统计学不固定研究对象，可以应用到几乎所有的学科领域统计学可以帮助其他学科探索学科内在的数量规律性统计学不能解决各学科领域的所有问题对统计分析结果的解释需要各学科领域的专业人员,2008年8月,统计应用的几个例子,质量管理销售量的预测会计指标分析,2008年8月,2008年8月,统计方法分类,2008年8月,描述统计和推断统计(inferential statistics&descriptive statistics),研究数据收集、整理和描述的统计学方法 搜集数据、整理数据、展示数据、描述性分析描述数据特征找出数据的基本规律研究如何利用样本数据来推断总体特征的统计学方法两大类：参数估计、假设检验（例：灯泡寿命）对总体特征作出推断,2008年8月,统计的误用与滥用,大约在一个世纪以前，政治家Benjamin Disraeli曾有一个著名的论断：“有三类谎言：谎言、糟透的谎言和统计”。他还说：“图并没有说谎，是说谎者在画图”统计经常被有意或无意地滥用 有意：有些人心目中数据分析就是寻找支持，倾向于某些结论，而后去找些统计数据来支持 无意（常识性或技术性的）：错误的统计定义，错误的图表表示，不合理的样本，数据的遗漏或逻辑错误等,统计的误用与滥用,Eg1.(Time Magazine 1957)Yale graduates,Class1924,make$25,111/year on average:who was sampled?,2008年8月,2008年8月,统计的误用与滥用,统计应用上的两个极端不用或几乎不用统计简单问题复杂化在统计应用中，这两个极端都是不可取的简单的方法不一定没用，复杂的方法也不一定有用。正如有的学者所说的，最简单的模型往往是最有用的统计应该恰当地应用到它能起作用的地方。不能把统计神秘化，更不能歪曲统计，把统计作为掩盖实事的陷阱,2008年8月,几种常用的统计软件(Software),典型的统计软件SPSSExcelSASS-Plus/RMATLAB,2008年8月,变量与数据,变量(variable)企业月销售额上涨股票的家数生活费支出投掷一枚骰子出现的点数从一次观察到下一次观察会出现不同结果的某种特征（随机性）,2008年8月,变量与数据,2.数据(data)Eg.掷骰子100次得到100个由1-6组成的数字串，再掷100次，又得到一个数据串，这些试验结果就是数据观察到的变量的结果记录下来就是数据通过数据可以验证有关的理论或者假设 Eg.如掷骰子验证每个点的概率是否是1/6 Eg.调查顾客是否喜欢某饮品,2008年8月,变量与数据,定量变量(quantitative variable)或数值变量(metric variable)可以用数据来记录其观察结果如“企业销售额”、“上涨股票的家数”、“生活费支出”、“投掷一枚骰子出现的点数”定量变量的观察结果称为定量数据或数值型数据(metric data)分类变量(categorical variable)表现为不同的类别,结果非数量值如“性别”、“企业所属的行业”、“学生所在的学院”等分类变量的观察结果就是分类数据(categorical data)顺序变量(rank variable)或有序分类变量具有一定顺序的类别变量如考试成绩按等级，一个人对事物的态度顺序变量的观察结果就是顺序数据或有序分类数据(rank data)分类变量和顺序变量统称为定性变量(qualitative variable),数据是怎么产生的？,二手数据：间接得到的数据每天翻开报纸或电视可以看到各种数据国家统计局定期发布的各种国家经济数据海关发布的进出口贸易数据一手数据：直接得到的数据某些企业每年至少花几千万来收集和分析观测数据：自然的未被控制的条件下观测的试验数据：人工干预和操作情况下收集的数据不同医疗手段下某疾病的治疗结果不同肥料下某作物的产量区别,2008年8月,个体、总体和样本,EG.北京市民对建设北京交通设施以公共交通为主还是小汽车为主调查对象：所有北京市民调查目的：希望知道市民中对这个问题的看法各自占的比例调查思路：只能问一部分北京市民，通过这部分的观点来理解整个北京市民的总体观点,2008年8月,个体、总体和样本,单个北京市民调查对象单个北京市民关于北京公共交通的观点个体所有北京市民关于北京公共交通的观点总体（总体包含所有要研究的个体的集合）调查时问到的那部分市民的观点(部分个体)样本（样本就是从总体中选出来的一部分）普查、抽查,2008年8月,简单随机抽样,抽样时，总体中每个个体都有同等机会被选到样本中，这种抽样叫做简单随机抽样，而这样得到的样本叫做随机样本。Eg.北京交通问题，样本在总体中的比例为1/5000,2008年8月,样本的选择,理想的样本：样本的结论能推广到总体EG.品尝锅里的一勺汤来判断整个锅里的味道如何，只要锅里的汤杯充分搅拌了，只需品尝一勺即可得到简单随机样本的方法：把总体中的名字或电话放进一个帽子里，然后搅拌均匀，并随机抽取,2008年8月,方便样本,在实践中得到好的随机样本是不容易的，很多搞调查的人就采取最简单的方法，研究者也习惯研究手头方便获得的样本，比如医生对自己的病人进行研究，市场调查研究被他们说服进行合作的消费者，杂志要求读者回答某些问题并寄回答案，由此得到一些样本这种容易很经济地得到的样本称为方便样本。（EG：Shere Hite统计论断：美国结婚五年的女人里有70%有婚外恋，不是随机样本）,2008年8月,2008年8月,抽样误差：并非错误的“误差”未响应误差：粗鲁的、匆忙的或沉默的响应者造成的结果响应误差：响应者回答问题时产生的偏差,收集观测数据时的错误和误差,2008年8月,Eg.民意调查中发现60%的民众支持奥巴马但不能由此推断全国人口中有60%支持奥巴马从刚开始调查到最后报告结果任何一件事情都有可能出错大部分调查都会犯这样或那样的错误,抽样误差,抽样误差,抽样误差的来源基于事实：如果再调查一次结果未必会和上次一样，所以每次样本的结果会与总体的结果有所偏离EG.全国的总统支持率60%（总体）抽样：-59%-62%-58%-57%-61%（随机性）,2008年8月,抽样误差,2008年8月,但是：即便不同样本产生不同答案，大部分答案仍位于某一范围内EG.1000次抽样中950次求出的支持率在(57%,63%),抽样误差,基于知道总体比例是60%，得知抽样误差是3%现实中不知道该数字而调查的目的就是为了估计出总体的比例，通过样本估算出抽样误差（数理统计学家推算出计算抽样误差的公式）样本越大，抽样误差越小；每次抽样调查的结果都应该说明抽样误差的大小,2008年8月,抽样误差,抽样误差：告诉我们的是样本离总体的真实值相差可能有多远,2008年8月,未响应误差,比如，电话调查中某一选定的电话号码拨了很多次也没有反应或接通后那人拒绝回答问题。由于样本中这部分人未回应问题而造成的误差就是未响应误差。,2008年8月,响应误差,比如我们很多人在购物中心、电话中或通过邮件被调查过，当你试图缩短调查时间时，你就马马虎虎的应付，而不管你自己的真实想法响应误差：调查过程中由于问题的提问方式、问题所处的位置或者访员的影响而使响应者在回答问题时产生的偏差,2008年8月,结 束,THANKS,
