当前位置: 首页 > article >正文

新手村:统计量均值、中位数、标准差、四分位数

新手村:统计量均值、中位数、标准差、四分位数

在这里插入图片描述

统计量定义与讲解

统计量定义计算公式示例说明
均值数据集中的所有数值之和除以数值的个数。 Mean = ∑ i = 1 n x i n \text{Mean} = \frac{\sum_{i=1}^{n} x_i}{n} Mean=ni=1nxi对于数据集 [1, 2, 3, 4, 5],均值为 ( 1 + 2 + 3 + 4 + 5 ) / 5 = 3 (1+2+3+4+5)/5 = 3 (1+2+3+4+5)/5=3
中位数将数据集排序后位于中间位置的数值。如果数据集长度为偶数,则取中间两个数的平均值。排序后取中间值(或中间两个数的平均值)对于数据集 [1, 2, 3, 4, 5],中位数为 3;对于 [1, 2, 3, 4],中位数为 ( 2 + 3 ) / 2 = 2.5 (2+3)/2 = 2.5 (2+3)/2=2.5
标准差衡量数据集内数值分布的离散程度。 Standard Deviation = ∑ i = 1 n ( x i − μ ) 2 n \text{Standard Deviation} = \sqrt{\frac{\sum_{i=1}^{n}(x_i - \mu)^2}{n}} Standard Deviation=ni=1n(xiμ)2 对于数据集 [1, 2, 3, 4, 5],标准差约为 1.414
四分位数将数据集分为四个等份,分别对应第25%、第50%(即中位数)、第75%的位置上的值。Q1(第一四分位数):下四分位数;Q2(第二四分位数):中位数;Q3(第三四分位数):上四分位数对于数据集 [1, 2, 3, 4, 5, 6, 7, 8],Q1 = 2.25, Q2 = 4.5, Q3 = 6.75

示例计算

假设我们有一个数据集:[1, 2, 3, 4, 5, 6, 7, 8]

均值

Mean = 1 + 2 + 3 + 4 + 5 + 6 + 7 + 8 8 = 36 8 = 4.5 \text{Mean} = \frac{1 + 2 + 3 + 4 + 5 + 6 + 7 + 8}{8} = \frac{36}{8} = 4.5 Mean=81+2+3+4+5+6+7+8=836=4.5

中位数

排序后的数据集为 [1, 2, 3, 4, 5, 6, 7, 8]
中位数是中间两个数的平均值:
Median = 4 + 5 2 = 4.5 \text{Median} = \frac{4 + 5}{2} = 4.5 Median=24+5=4.5

标准差

首先计算每个数值与均值的差的平方:
( 1 − 4.5 ) 2 = 12.25 , ( 2 − 4.5 ) 2 = 6.25 , ( 3 − 4.5 ) 2 = 2.25 , ( 4 − 4.5 ) 2 = 0.25 , ( 5 − 4.5 ) 2 = 0.25 , ( 6 − 4.5 ) 2 = 2.25 , ( 7 − 4.5 ) 2 = 6.25 , ( 8 − 4.5 ) 2 = 12.25 (1-4.5)^2 = 12.25, (2-4.5)^2 = 6.25, (3-4.5)^2 = 2.25, (4-4.5)^2 = 0.25, \\ (5-4.5)^2 = 0.25, (6-4.5)^2 = 2.25, (7-4.5)^2 = 6.25, (8-4.5)^2 = 12.25 (14.5)2=12.25,(24.5)2=6.25,(34.5)2=2.25,(44.5)2=0.25,(54.5)2=0.25,(64.5)2=2.25,(74.5)2=6.25,(84.5)2=12.25
然后计算这些平方差的平均值并开方:
Standard Deviation = 12.25 + 6.25 + 2.25 + 0.25 + 0.25 + 2.25 + 6.25 + 12.25 8 = 42 8 ≈ 2.29 \text{Standard Deviation} = \sqrt{\frac{12.25 + 6.25 + 2.25 + 0.25 + 0.25 + 2.25 + 6.25 + 12.25}{8}} = \sqrt{\frac{42}{8}} \approx 2.29 Standard Deviation=812.25+6.25+2.25+0.25+0.25+2.25+6.25+12.25 =842 2.29

四分位数

四分位数是将数据集分为四个等份的三个分割点,分别称为第一四分位数(Q1)、第二四分位数(Q2,即中位数)和第三四分位数(Q3)。这些分割点可以帮助我们了解数据的分布情况。以下是详细的四分位数计算步骤和示例。

四分位数的定义

  • Q1(第一四分位数):位于数据集第25%位置的值。
  • Q2(第二四分位数):位于数据集第50%位置的值,即中位数。
  • Q3(第三四分位数):位于数据集第75%位置的值。

计算步骤

  1. 排序数据集:首先将数据集按升序排列。
  2. 确定位置
    • Q1的位置: ( n + 1 ) × 0.25 (n+1) \times 0.25 (n+1)×0.25
    • Q2的位置: ( n + 1 ) × 0.5 (n+1) \times 0.5 (n+1)×0.5
    • Q3的位置: ( n + 1 ) × 0.75 (n+1) \times 0.75 (n+1)×0.75
      其中 n n n 是数据集中的数值个数。
  3. 插值计算:如果位置不是整数,则使用线性插值法计算四分位数。

示例

假设我们有一个数据集:[1, 2, 3, 4, 5, 6, 7, 8]

步骤1:排序数据集

数据集已经按升序排列:[1, 2, 3, 4, 5, 6, 7, 8]

步骤2:确定位置
  • 数据集大小 n = 8 n = 8 n=8
  • Q1的位置: ( 8 + 1 ) × 0.25 = 2.25 (8 + 1) \times 0.25 = 2.25 (8+1)×0.25=2.25
  • Q2的位置: ( 8 + 1 ) × 0.5 = 4.5 (8 + 1) \times 0.5 = 4.5 (8+1)×0.5=4.5
  • Q3的位置: ( 8 + 1 ) × 0.75 = 6.75 (8 + 1) \times 0.75 = 6.75 (8+1)×0.75=6.75
步骤3:插值计算
  • Q1(第一四分位数)

    • 位置为2.25,表示在第2个和第3个数据之间。
    • 使用线性插值: Q 1 = 2 + 0.25 × ( 3 − 2 ) = 2.25 Q1 = 2 + 0.25 \times (3 - 2) = 2.25 Q1=2+0.25×(32)=2.25
  • Q2(第二四分位数)

    • 位置为4.5,表示在第4个和第5个数据之间。
    • 使用线性插值: Q 2 = 4 + 0.5 × ( 5 − 4 ) = 4.5 Q2 = 4 + 0.5 \times (5 - 4) = 4.5 Q2=4+0.5×(54)=4.5
  • Q3(第三四分位数)

    • 位置为6.75,表示在第6个和第7个数据之间。
    • 使用线性插值: Q 3 = 6 + 0.75 × ( 7 − 6 ) = 6.75 Q3 = 6 + 0.75 \times (7 - 6) = 6.75 Q3=6+0.75×(76)=6.75
总结表格
统计量位置公式插值计算公式示例(数据集 [1, 2, 3, 4, 5, 6, 7, 8])
Q1 ( n + 1 ) × 0.25 (n+1) \times 0.25 (n+1)×0.25 L Q 1 + F Q 1 × ( U Q 1 − L Q 1 ) L_{Q1} + F_{Q1} \times (U_{Q1} - L_{Q1}) LQ1+FQ1×(UQ1LQ1) 2 + 0.25 × ( 3 − 2 ) = 2.25 2 + 0.25 \times (3 - 2) = 2.25 2+0.25×(32)=2.25
Q2 ( n + 1 ) × 0.5 (n+1) \times 0.5 (n+1)×0.5 L Q 2 + F Q 2 × ( U Q 2 − L Q 2 ) L_{Q2} + F_{Q2} \times (U_{Q2} - L_{Q2}) LQ2+FQ2×(UQ2LQ2) 4 + 0.5 × ( 5 − 4 ) = 4.5 4 + 0.5 \times (5 - 4) = 4.5 4+0.5×(54)=4.5
Q3 ( n + 1 ) × 0.75 (n+1) \times 0.75 (n+1)×0.75 L Q 3 + F Q 3 × ( U Q 3 − L Q 3 ) L_{Q3} + F_{Q3} \times (U_{Q3} - L_{Q3}) LQ3+FQ3×(UQ3LQ3) 6 + 0.75 × ( 7 − 6 ) = 6.75 6 + 0.75 \times (7 - 6) = 6.75 6+0.75×(76)=6.75
解释
  • 位置公式:用于确定四分位数的大致位置。
  • 插值计算公式
    • L Q i L_{Qi} LQi:四分位数位置的下限值。
    • F Q i F_{Qi} FQi:四分位数位置的小数部分。
    • U Q i U_{Qi} UQi:四分位数位置的上限值。

通过上述步骤和公式,您可以准确地计算出任何数据集的四分位数。以下是一个Python代码示例,展示如何使用pandas库来计算四分位数:
然而,Pandas 的 quantile 方法在处理偶数个元素时会略有不同:

  • Q1: 2 + 3 2 + 0.25 ∗ ( 3 − 2 ) = 2.75 \frac{2 + 3}{2} + 0.25 * (3-2) = 2.75 22+3+0.25(32)=2.75
  • Q3: 5 + 6 2 + 0.75 ∗ ( 6 − 5 ) = 6.25 \frac{5 + 6}{2} + 0.75 * (6-5)= 6.25 25+6+0.75(65)=6.25
  • Q2: 4.5 4.5 4.5
import pandas as pd
import matplotlib.pyplot as plt
# 数据集
data = [1, 2, 3, 4, 5, 6, 7, 8]
# 设置中文字体
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
# 创建DataFrame
df = pd.DataFrame(data, columns=['value'])
# 计算四分位数
Q1 = df['value'].quantile(0.25)
Q2 = df['value'].quantile(0.5)
Q3 = df['value'].quantile(0.75)
print(f"Q1: {Q1}, Q2: {Q2}, Q3: {Q3}")
# 绘制箱线图
plt.figure(figsize=(8, 2))
plt.boxplot(df['value'], vert=False)
plt.title('数据的箱线图')
plt.xlabel('值')
plt.yticks([1], ['数据'])
plt.grid(True)
plt.show()

在这里插入图片描述

输出结果应为:

Q1: 2.75, Q2: 4.5, Q3: 6.25

总结表格

统计量公式示例(数据集 [1, 2, 3, 4, 5, 6, 7, 8])
均值 ∑ i = 1 n x i n \frac{\sum_{i=1}^{n} x_i}{n} ni=1nxi ( 1 + 2 + 3 + 4 + 5 + 6 + 7 + 8 ) / 8 = 4.5 (1+2+3+4+5+6+7+8)/8 = 4.5 (1+2+3+4+5+6+7+8)/8=4.5
中位数排序后取中间值(或中间两个数的平均值) ( 4 + 5 ) / 2 = 4.5 (4+5)/2 = 4.5 (4+5)/2=4.5
标准差 ∑ i = 1 n ( x i − μ ) 2 n \sqrt{\frac{\sum_{i=1}^{n}(x_i - \mu)^2}{n}} ni=1n(xiμ)2 42 8 ≈ 2.29 \sqrt{\frac{42}{8}} \approx 2.29 842 2.29
四分位数Q1(下四分位数),Q2(中位数),Q3(上四分位数)Q1 = 2.75, Q2 = 4.5, Q3 = 6.5

FAQ

为什么我计算的1~8的四分位和理论上的不一致 我的时 Q1 2.75 Q2 4.5 Q3 6.25,理论上是 Q1 2.25 Q2 4.5 Q3 6.75 ?

A: 然而,Pandas 的 quantile 方法在处理偶数个元素时会略有不同:

  • Q1: 2 + 3 2 = 2.75 \frac{2 + 3}{2} = 2.75 22+3=2.75
  • Q3: 6 + 7 2 = 6.25 \frac{6 + 7}{2} = 6.25 26+7=6.25
  • Q2: 4.5 4.5 4.5

http://www.kler.cn/a/586582.html

相关文章:

  • 将pdf或者word转换成base64格式
  • 通达信软件+条件选股+code
  • 如何在github上参与开源项目
  • Java基础语法练习43(线程)
  • 网络实验操作-VLAN
  • lws-minimal-ws-server前端分析
  • 考研数学复习误区:如何避免无效学习?
  • 3.4 基于TSX的渲染函数类型安全实践
  • Julia语言的饼图
  • Java常见的几种内存溢出及解决方法
  • BSides-Vancouver-2018 ftp匿名访问、hydra爆破22端口、nc瑞士军刀、提权
  • C++类对象创建全解析:从构造函数到内存管理
  • SQL Server语法实战指南:核心语法、注意事项与高频问题解析
  • Java基础-List、Set、Map
  • MATLAB中enumeration函数用法
  • 【FPGA实战】Verilog实现DE2-115的流水灯控制
  • 四、Jmeter工具接口脚本编写
  • 用Python实现持续集成与部署(CI/CD)流程:自动化测试、构建与部署
  • 什么是强哈希算法pbkdf2(Password-Based Key Derivation Function)
  • 向量数据库:A Brief Introduction