《Excel数据可视化:一样的数据不一样的图表》——2.2 表示数据稳定性的标准差和变异系数

2.2 表示数据稳定性的标准差和变异系数

在统计学领域中,概率论是统计学的一个分支,而随机变量是概率论的一个方面。随机变量的分布描述了随机现象的统计规律,然而对于许多实际问题,随机变量的分布并不容易求得;另外,有一些实际问题往往并不直接对分布感兴趣,而只感兴趣分布的少数几个特征指标,称之为随机变量的数字特征。其中最主要的就是期望值、方差和标准差。如果要表示数据稳定性的统计量,则一般会用标准差和变异系数。

其实在统计学中,表示数据离散程度的统计量除了本节要详细介绍的标准差和变异系数外,还有常用的极差(最大值减去最小值)、方差、离均差平方和。它们都是依靠平均值得来的,而彼此之间又有着千丝万缕的关系。

极差:是指一组测量值内最大值与最小值之差,又称范围误差或全距。极差没有充分利用数据的信息,但计算十分简单,仅适用样本容量较小(n<10)的情况。

方差:方差是各个数据分别与其和的平均数之差的平方的和的平均数,用字母D表示,其公式可表示为:D(X)=E(x2)-[E(x2)],也就是平方的平均减去平均的平方。在概率论和数理统计中,方差(英文Variance)用来度量随机变量和其数学期望(即均值)之间的偏离程度。

离均差平方和:是计算每个观察值与平均数的差,然后将其平方后相加,是统计离散趋势的重要指标之一,其公式表示为:SS=∑(X-N)2

变异系数:当需要比较两组数据离散程度大小的时候,如果两组数据的测量尺度相差太大,或者数据量纲不同,直接使用标准差来进行比较是不合适的,此时应当消除测量尺度和量纲的影响,使用变异系数就可以达到这一效果。它是标准差与其平均数的比。变异系数越大说明数据间的差异越大,即数据不稳定。

实例 2 根据标准差/变异系数分析两个养猪场的体重差异

有A、B两养猪场地,分别从两场地中随机抽取5个样本猪,称其体重并记录下来,根据测得的样本体重判断哪个养猪场的体重差距更大。

数据分析

通过步骤 02、步骤 03的操作,计算出两组数据的均值、标准差和变异系数后,可以根据结果作出分析。如果用极值来判断两组数据的离散程度,则A场地中极值为30,B场地极值为5,该统计结果说明B场地猪的体重更集中;如果用标准差来判断,则A场地中的12.1943大于B场地中的2.91548,由于标准差越大,说明数据间的差异也越大,即B场地猪的体重差异更小;如果用变异系数来判断,则A场地中的0.061963大于B场地中的0.014651,由于均值和标准差两两不相等,所以求得的变异系数越大说明变异程度也越大,即B场地猪的体重越稳定。

时间: 2024-10-31 15:19:21

《Excel数据可视化:一样的数据不一样的图表》——2.2 表示数据稳定性的标准差和变异系数的相关文章

数据可视化平台 Plotly 开源强大的 JS 图表库

数据可视化平台 Plotly 开源旗下强大的 JavaScript 图表库,支持三种不同类型的图表,包括地图,箱形图和密度图,以及更常见的产品如,条状和线形图.源代码已发布在 GitHub.(已收录开源中国软件库 plotly.js)最新版本的 Plotly.js 可以免费.无限制地用于任何项目. 此前 Plotly 在 R, Python 和 MATLAB 的客户端一直是开源的,但核心图表层 plotly.js 却是闭源的.而现在 Plotly 可以 100%离线地用于 RStudio, MA

《JavaScript数据可视化编程》——1.4 用离散图表绘制x/y值

1.4 用离散图表绘制x/y值 柱状图对于单一数据维度的可视化展现通常是非常有效的就像我们之前创建的展现胜利场次的柱状图.但如果我们想要探索两种不同类型数据之间的关系离散型图表会更有效.假设我们想要展示一个城市健康体检的花费一个维度和平均寿命另一个维度之间的关系.让我们通过一个例子一步步的看看用数据是如何创建离散型图表的. 就像在本书1.1节介绍的一样我们需要在我们的网页中加载Flotr2类库并设置一个div元素来放置我们将构建的图表. 1.4.1 第1步 定义数据 在这个例子中我们将使用经济合

快速入门 | 一篇文章带你掌握数据可视化方法

数据可视化可以帮助我们更好地去传递信息. 本篇要点: 数据可视化是什么 数据可视化的一般流程 常见的数据种类 通过可视化你想表达什么信息 选择具体的可视化形式 图表设计原则 常用的可视化工具 01|数据可视化是什么 数据可视化主要旨在借助于图形化手段,清晰有效地传达与沟通信息(来源于百度百科).也就是说可视化的存在是为了帮助我们更好地去传递信息. 02|数据可视化的一般流程 首先我们需要对我们现有的数据进行分析,得出自己的结论,明确要表达的信息和主题(即你通过图表要说明什么问题).然后根据这个目

盘点:10款最受欢迎数据可视化工具

在数字经济时代,人们需要对大量的数字进行分析,帮助用户更直观的察觉差异,做出判断,减少时间成本.当然,你可能想象不到这种数据可视化的技术可以追溯到2500年前世界上的第一张地图,但是,如今利用各种形态的数据可视化图表帮助用户减少分析时间,快速做出决策一直扮演着重要的作用. 世界上的第一张地图(公元前550年)这里给你推荐十款现今最受欢迎的数据可视化工具,供你参考: 1.Tableau Tableau数据可视化工具除了图片美观之外,是否容易上手,海量数据的处理速度等都是考量工具优劣的标准.而Tab

福利:盘点10款最受欢迎数据可视化工具

在数字经济时代,人们需要对大量的数字进行分析,帮助用户更直观的察觉差异,做出判断,减少时间成本.当然,你可能想象不到这种数据可视化的技术可以追溯到2500年前世界上的第一张地图,但是,如今利用各种形态的数据可视化图表帮助用户减少分析时间,快速做出决策一直扮演着重要的作用. 世界上的第一张地图(公元前550年) 这里给你推荐十款现今最受欢迎的数据可视化工具,供你参考. 1.Tableau Tableau 数据可视化工具除了图片美观之外,是否容易上手,海量数据的处理速度等都是考量工具优劣的标准.而T

盘点56个最实用的大数据可视化分析工具

俗话说的好:工欲善其事,必先利其器!一款好的工具可以让你事半功倍,尤其是在大数据时代,更需要强有力的工具通过使数据有意义的方式实现数据可视化,还有数据的可交互性:我们还需要跨学科的团队,而不是单个数据科学家.设计师或数据分析员:我们更需要重新思考我们所知道的数据可视化,图表和图形还只能在一个或两个维度上传递信息, 那么他们怎样才能与其他维度融合到一起深入挖掘大数据呢?此时就需要倚仗大数据可视化(BDV)工具,因此,笔者收集了适合各个平台各种行业的多个图表和报表工具,这些工具中不乏有适用于NET.

盘点最实用56个大数据可视化分析工具

俗话说的好:工欲善其事,必先利其器!一款好的工具可以让你事半功倍,尤其是在大数据时代,更需要强有力的工具通过使数据有意义的方式实现数据可视化,还有数据的可交互性;我们还需要跨学科的团队,而不是单个数据科学家.设计师或数据分析员;我们更需要重新思考我们所知道的数据可视化,图表和图形还只能在一个或两个维度上传递信息, 那么他们怎样才能与其他维度融合到一起深入挖掘大数据呢?此时就需要倚仗大数据可视化(BDV)工具,因此,笔者收集了适合各个平台各种行业的多个图表和报表工具,这些工具中不乏有适用于NET.

数据可视化,我应从何开启?

我喜欢数据并将它广为人知. 如果您最近和我参加聚会我在您耳边说的都是有关数据可视化工具或者最近使用的酷R包对此我在这向您表示歉意. 如果您和我玩范特西游戏欢迎您来到图表世界这里有很多的图表. 不要为越来越频繁地听到下面的问题感到惊讶"Nick我想走向数据分析和数据可视化我应该从哪里开始 不幸的是没有一个完美的答案适合所有的人–每一个人的需求不同且人们已经知道的东西相差很大.但令我高兴的是一件关于最近科技/教育/商业环境事情 来自不同职业道路和背景的聪明人都对自己说"我需要从数据中得到更

用VR做数据可视化的正确姿势是什么?

数据可视化是少数几个 VR"布道者"非常喜欢说道的利用虚拟现实可能产生变革的领域之一.但是究竟应该如何做呢?现今的数据可视化领域又有什么问题呢?本文对传统的数据可视化的几个具体问题进行挖掘,讨论理解抽象信息方面的难题,并探讨VR如何改变这一切. 本文原作者Evan Warfel,虚拟现实数据可视化公司 Kineviz 的项目经理,曾经任 HID 环球集团数据科学家,毕业于U.C. Berkeley 的认知科学专业. 工作之余,他还研究人类制定决策的过程问题. 谈论数据和虚拟现实的问题有