描述统计 - 版本历史

2024年1月19日 (五) 16:59 Zeroclanzhang

2024-01-19T16:59:17Z

←上一版本		2024年1月20日 (六) 00:59的版本
第1行：		第1行：
	{{short description\|统计学类型}}		{{short description\|统计学类型}}

	描述性统计量（在[[count noun]]意义上）是一种[[summary statistic]]，用于定量描述或概括来自信息集合的特征，[ref]{{cite book \|last=Mann \|first=Prem S. \|year=1995 \|title=Introductory Statistics \|edition=2nd \|publisher=Wiley \|isbn=0-471-31009-3 }}[/ref] 而描述性统计学（在[[mass noun]]意义上）则是使用和分析这些统计数据的过程。描述性统计学与[[statistical inference\|推理统计学]]（或归纳统计学）的区别在于，其目的是总结一个[[Sample (statistics)\|样本]]，而不是用数据来了解样本数据所代表的[[statistical population\|总体]]。[ref]{{Citation\|title=Drawing Conclusions From Data: Descriptive Statistics, Inferential Statistics, and Hypothesis Testing\|date=2017\|url=http://dx.doi.org/10.4135/9781506304144.n6\|work=Interpreting and Using Statistics in Psychological Research\|pages=145–183\|location=Thousand Oaks, CA\|publisher=SAGE Publications, Inc\|doi=10.4135/9781506304144.n6\|isbn=978-1-5063-0416-8\|access-date=2021-06-01}}[/ref] 这通常意味着，与推理统计学不同，描述性统计学不是基于[[probability theory\|概率理论]]发展起来的，并且通常是[[nonparametric statistics\|非参数统计]]。[ref]{{cite book \|last=Dodge \|first=Y. \|year=2003 \|title=The Oxford Dictionary of Statistical Terms \|publisher=OUP \|isbn=0-19-850994-4 \|url-access=registration \|url=https://archive.org/details/oxforddictionary0000unse }}[/ref] 即使数据分析主要使用推理统计学得出结论，描述性统计学通常也会被展示。[ref]{{Citation\|title=Drawing Conclusions From Data: Descriptive Statistics, Inferential Statistics, and Hypothesis Testing\|date=2017\|url=http://dx.doi.org/10.4135/9781506304144.n6\|work=Interpreting and Using Statistics in Psychological Research\|pages=145–183\|location=Thousand Oaks, CA\|publisher=SAGE Publications, Inc\|doi=10.4135/9781506304144.n6\|isbn=978-1-5063-0416-8\|access-date=2021-06-01}}[/ref] 例如，在关于人类研究对象的论文中，通常包括一个表格，显示整体[[sample size\|样本量]]、重要子组的样本量（例如，每个治疗或暴露组的样本量），以及[[demographic\|人口统计学]]或临床特征，如[[average\|平均]]年龄、各性别受试者的比例、相关[[comorbidity\|合并症]]的受试者比例等。		'''描述性统计量'''（在[[count noun]]意义上）是一种[[summary statistic]]，用于定量描述或概括来自信息集合的特征，<ref>{{cite book \|last=Mann \|first=Prem S. \|year=1995 \|title=Introductory Statistics \|edition=2nd \|publisher=Wiley \|isbn=0-471-31009-3 }}</ref> 而'''描述性统计学'''（在[[mass noun]]意义上）则是使用和分析这些统计数据的过程。描述性统计学与[[statistical inference\|推理统计学]]（或归纳统计学）的区别在于，其目的是总结一个[[Sample (statistics)\|样本]]，而不是用数据来了解样本数据所代表的[[statistical population\|总体]]。<ref>{{Citation\|title=Drawing Conclusions From Data: Descriptive Statistics, Inferential Statistics, and Hypothesis Testing\|date=2017\|url=http://dx.doi.org/10.4135/9781506304144.n6\|work=Interpreting and Using Statistics in Psychological Research\|pages=145–183\|location=Thousand Oaks, CA\|publisher=SAGE Publications, Inc\|doi=10.4135/9781506304144.n6\|isbn=978-1-5063-0416-8\|access-date=2021-06-01}}</ref> 这通常意味着，与推理统计学不同，描述性统计学不是基于[[probability theory\|概率理论]]发展起来的，并且通常是[[nonparametric statistics\|非参数统计]]。<ref>{{cite book \|last=Dodge \|first=Y. \|year=2003 \|title=The Oxford Dictionary of Statistical Terms \|publisher=OUP \|isbn=0-19-850994-4 \|url-access=registration \|url=https://archive.org/details/oxforddictionary0000unse }}</ref> 即使数据分析主要使用推理统计学得出结论，描述性统计学通常也会被展示。<ref>{{Citation\|title=Drawing Conclusions From Data: Descriptive Statistics, Inferential Statistics, and Hypothesis Testing\|date=2017\|url=http://dx.doi.org/10.4135/9781506304144.n6\|work=Interpreting and Using Statistics in Psychological Research\|pages=145–183\|location=Thousand Oaks, CA\|publisher=SAGE Publications, Inc\|doi=10.4135/9781506304144.n6\|isbn=978-1-5063-0416-8\|access-date=2021-06-01}}</ref> 例如，在关于人类研究对象的论文中，通常包括一个表格，显示整体[[sample size\|样本量]]、重要子组的样本量（例如，每个治疗或暴露组的样本量），以及[[demographic\|人口统计学]]或临床特征，如[[average\|平均]]年龄、各性别受试者的比例、相关[[comorbidity\|合并症]]的受试者比例等。

	用来描述数据集的一些常见度量包括[[central tendency\|集中趋势]]度量和[[Statistical dispersion\|离散]]度量或可变性度量。集中趋势度量包括[[mean\|均值]]、[[median\|中位数]]和[[Mode (statistics)\|众数]]，而可变性度量包括[[standard deviation\|标准差]]（或[[variance\|方差]]）、变量的最小值和最大值、[[kurtosis\|峰度]]和[[skewness\|偏度]]。<ref name=Inv>Investopedia, [http://www.investopedia.com/terms/d/descriptive_statistics.asp#axzz2DxCoTnMM 描述性统计学术语]</ref>		用来描述数据集的一些常见度量包括[[central tendency\|集中趋势]]度量和[[Statistical dispersion\|离散]]度量或可变性度量。集中趋势度量包括[[mean\|均值]]、[[median\|中位数]]和[[Mode (statistics)\|众数]]，而可变性度量包括[[standard deviation\|标准差]]（或[[variance\|方差]]）、变量的最小值和最大值、[[kurtosis\|峰度]]和[[skewness\|偏度]]。<ref name=Inv>Investopedia, [http://www.investopedia.com/terms/d/descriptive_statistics.asp#axzz2DxCoTnMM 描述性统计学术语]</ref>

2024年1月19日 (五) 16:55 Zeroclanzhang

2024-01-19T16:55:42Z

←上一版本		2024年1月20日 (六) 00:55的版本
第1行：		第1行：
			{{short description\|统计学类型}}

			描述性统计量（在[[count noun]]意义上）是一种[[summary statistic]]，用于定量描述或概括来自信息集合的特征，[ref]{{cite book \|last=Mann \|first=Prem S. \|year=1995 \|title=Introductory Statistics \|edition=2nd \|publisher=Wiley \|isbn=0-471-31009-3 }}[/ref] 而描述性统计学（在[[mass noun]]意义上）则是使用和分析这些统计数据的过程。描述性统计学与[[statistical inference\|推理统计学]]（或归纳统计学）的区别在于，其目的是总结一个[[Sample (statistics)\|样本]]，而不是用数据来了解样本数据所代表的[[statistical population\|总体]]。[ref]{{Citation\|title=Drawing Conclusions From Data: Descriptive Statistics, Inferential Statistics, and Hypothesis Testing\|date=2017\|url=http://dx.doi.org/10.4135/9781506304144.n6\|work=Interpreting and Using Statistics in Psychological Research\|pages=145–183\|location=Thousand Oaks, CA\|publisher=SAGE Publications, Inc\|doi=10.4135/9781506304144.n6\|isbn=978-1-5063-0416-8\|access-date=2021-06-01}}[/ref] 这通常意味着，与推理统计学不同，描述性统计学不是基于[[probability theory\|概率理论]]发展起来的，并且通常是[[nonparametric statistics\|非参数统计]]。[ref]{{cite book \|last=Dodge \|first=Y. \|year=2003 \|title=The Oxford Dictionary of Statistical Terms \|publisher=OUP \|isbn=0-19-850994-4 \|url-access=registration \|url=https://archive.org/details/oxforddictionary0000unse }}[/ref] 即使数据分析主要使用推理统计学得出结论，描述性统计学通常也会被展示。[ref]{{Citation\|title=Drawing Conclusions From Data: Descriptive Statistics, Inferential Statistics, and Hypothesis Testing\|date=2017\|url=http://dx.doi.org/10.4135/9781506304144.n6\|work=Interpreting and Using Statistics in Psychological Research\|pages=145–183\|location=Thousand Oaks, CA\|publisher=SAGE Publications, Inc\|doi=10.4135/9781506304144.n6\|isbn=978-1-5063-0416-8\|access-date=2021-06-01}}[/ref] 例如，在关于人类研究对象的论文中，通常包括一个表格，显示整体[[sample size\|样本量]]、重要子组的样本量（例如，每个治疗或暴露组的样本量），以及[[demographic\|人口统计学]]或临床特征，如[[average\|平均]]年龄、各性别受试者的比例、相关[[comorbidity\|合并症]]的受试者比例等。

			用来描述数据集的一些常见度量包括[[central tendency\|集中趋势]]度量和[[Statistical dispersion\|离散]]度量或可变性度量。集中趋势度量包括[[mean\|均值]]、[[median\|中位数]]和[[Mode (statistics)\|众数]]，而可变性度量包括[[standard deviation\|标准差]]（或[[variance\|方差]]）、变量的最小值和最大值、[[kurtosis\|峰度]]和[[skewness\|偏度]]。<ref name=Inv>Investopedia, [http://www.investopedia.com/terms/d/descriptive_statistics.asp#axzz2DxCoTnMM 描述性统计学术语]</ref>

			==统计分析中的应用==
			描述性统计

			学提供关于样本和已进行观察的简单总结。这些总结可能是[[Quantitative research\|定量]]的，即[[summary statistics\|总结统计量]]，或是视觉上的，即易于理解的图表。这些总结可能构成更广泛统计分析中数据初始描述的基础，或者对于特定调查本身就足够。

			例如，[[basketball\|篮球]]中的投篮[[percentage\|百分比]]是一种描述性统计量，概括了球员或球队的表现。这个数字是投中的投篮数除以射门次数。例如，投篮命中率为33%的球员大约每三次射门中一球。这个百分比总结或描述了多个离散事件。还可以考虑[[grade point average\|平均分数点]]。这个单一数字描述了学生在其课程经历范围内的整体表现。<ref name="trochim">{{cite web\|last=Trochim\|first=William M. K.\|title=Descriptive statistics\|url=http://www.socialresearchmethods.net/kb/statdesc.php\|work=Research Methods Knowledge Base\|access-date=14 March 2011\|year=2006}}</ref>

			描述性和总结性统计学的使用有着悠久的历史，实际上，人口和经济数据的简单汇总是统计学主题首次出现的方式。最近，一系列总结技术在[[exploratory data analysis\|探索性数据分析]]的标题下被制定：这类技术的一个例子是[[box plot\|箱形图]]。

			在商业领域，描述性统计学为许多类型的数据提供了有用的总结。例如，投资者和经纪人可能会通过对其投资进行实证和分析研究，使用历史回报行为，以便在未来做出更好的投资决策。

			===单变量分析===
			[[Univariate analysis\|单变量分析]]涉及描述单个变量的[[Frequency distribution\|分布]]，包括其集中趋势（包括[[mean\|均值]]、[[median\|中位数]]和[[Mode (statistics)\|众数]]）和离散性（包括数据集的[[range (statistics)\|范围]]和[[quartiles\|四分位数]]，以及像[[variance\|方差]]和[[standard deviation\|标准差]]这样的离散度量）。分布的形状也可以通过[[skewness\|偏度]]和[[kurtosis\|峰度]]等指数来描述。变量分布的特征也可以通过图形或表格格式来描述，包括[[histograms\|直方图]]和[[stem-and-leaf display\|茎叶图]]。

			===双变量和多变量分析===

			当样本包含不止一个变量时，描述性统计学可以用来描述变量对之间的关系。在这种情况下，描述性统计学包括：

			* [[Contingency table\|交叉表]]和[[contingency tables\|列联表]]
			* 通过[[scatterplot\|散点图]]的图形表示
			* [[Correlation and dependence\|相关性]]的量化度量
			* [[conditional distribution\|条件分布]]的描述

			区分单变量和双变量分析的主要原因是，双变量分析不仅仅是简单的描述性分析，它还描述了两个不同变量之间的关系。<ref>{{cite book \|first=Earl R. \|last=Babbie \|title=The Practice of Social Research \|url=https://archive.org/details/isbn_9780495598428 \|url-access=registration \|edition=12th \|publisher=Wadsworth \|year=2009 \|isbn=978-0-495-59841-1 \|pages=[https://archive.org/details/isbn_9780495598428/page/436 436–440

			==引用==
			{{Reflist}}

	[[Category:数据挖掘]]		[[Category:数据挖掘]]

Zeroclanzhang：创建页面，内容为“Category:数据挖掘”

2023-12-02T16:40:08Z

创建页面，内容为“Category:数据挖掘”

新页面

[[Category:数据挖掘]]

←上一版本		2024年1月20日 (六) 00:59的版本
第1行：		第1行：
	{{short description\|统计学类型}}		{{short description\|统计学类型}}

	描述性统计量（在[[count noun]]意义上）是一种[[summary statistic]]，用于定量描述或概括来自信息集合的特征，[ref]{{cite book \|last=Mann \|first=Prem S. \|year=1995 \|title=Introductory Statistics \|edition=2nd \|publisher=Wiley \|isbn=0-471-31009-3 }}[/ref] 而描述性统计学（在[[mass noun]]意义上）则是使用和分析这些统计数据的过程。描述性统计学与[[statistical inference\|推理统计学]]（或归纳统计学）的区别在于，其目的是总结一个[[Sample (statistics)\|样本]]，而不是用数据来了解样本数据所代表的[[statistical population\|总体]]。[ref]{{Citation\|title=Drawing Conclusions From Data: Descriptive Statistics, Inferential Statistics, and Hypothesis Testing\|date=2017\|url=http://dx.doi.org/10.4135/9781506304144.n6\|work=Interpreting and Using Statistics in Psychological Research\|pages=145–183\|location=Thousand Oaks, CA\|publisher=SAGE Publications, Inc\|doi=10.4135/9781506304144.n6\|isbn=978-1-5063-0416-8\|access-date=2021-06-01}}[/ref] 这通常意味着，与推理统计学不同，描述性统计学不是基于[[probability theory\|概率理论]]发展起来的，并且通常是[[nonparametric statistics\|非参数统计]]。[ref]{{cite book \|last=Dodge \|first=Y. \|year=2003 \|title=The Oxford Dictionary of Statistical Terms \|publisher=OUP \|isbn=0-19-850994-4 \|url-access=registration \|url=https://archive.org/details/oxforddictionary0000unse }}[/ref] 即使数据分析主要使用推理统计学得出结论，描述性统计学通常也会被展示。[ref]{{Citation\|title=Drawing Conclusions From Data: Descriptive Statistics, Inferential Statistics, and Hypothesis Testing\|date=2017\|url=http://dx.doi.org/10.4135/9781506304144.n6\|work=Interpreting and Using Statistics in Psychological Research\|pages=145–183\|location=Thousand Oaks, CA\|publisher=SAGE Publications, Inc\|doi=10.4135/9781506304144.n6\|isbn=978-1-5063-0416-8\|access-date=2021-06-01}}[/ref] 例如，在关于人类研究对象的论文中，通常包括一个表格，显示整体[[sample size\|样本量]]、重要子组的样本量（例如，每个治疗或暴露组的样本量），以及[[demographic\|人口统计学]]或临床特征，如[[average\|平均]]年龄、各性别受试者的比例、相关[[comorbidity\|合并症]]的受试者比例等。		'''描述性统计量'''（在[[count noun]]意义上）是一种[[summary statistic]]，用于定量描述或概括来自信息集合的特征，<ref>{{cite book \|last=Mann \|first=Prem S. \|year=1995 \|title=Introductory Statistics \|edition=2nd \|publisher=Wiley \|isbn=0-471-31009-3 }}</ref> 而'''描述性统计学'''（在[[mass noun]]意义上）则是使用和分析这些统计数据的过程。描述性统计学与[[statistical inference\|推理统计学]]（或归纳统计学）的区别在于，其目的是总结一个[[Sample (statistics)\|样本]]，而不是用数据来了解样本数据所代表的[[statistical population\|总体]]。<ref>{{Citation\|title=Drawing Conclusions From Data: Descriptive Statistics, Inferential Statistics, and Hypothesis Testing\|date=2017\|url=http://dx.doi.org/10.4135/9781506304144.n6\|work=Interpreting and Using Statistics in Psychological Research\|pages=145–183\|location=Thousand Oaks, CA\|publisher=SAGE Publications, Inc\|doi=10.4135/9781506304144.n6\|isbn=978-1-5063-0416-8\|access-date=2021-06-01}}</ref> 这通常意味着，与推理统计学不同，描述性统计学不是基于[[probability theory\|概率理论]]发展起来的，并且通常是[[nonparametric statistics\|非参数统计]]。<ref>{{cite book \|last=Dodge \|first=Y. \|year=2003 \|title=The Oxford Dictionary of Statistical Terms \|publisher=OUP \|isbn=0-19-850994-4 \|url-access=registration \|url=https://archive.org/details/oxforddictionary0000unse }}</ref> 即使数据分析主要使用推理统计学得出结论，描述性统计学通常也会被展示。<ref>{{Citation\|title=Drawing Conclusions From Data: Descriptive Statistics, Inferential Statistics, and Hypothesis Testing\|date=2017\|url=http://dx.doi.org/10.4135/9781506304144.n6\|work=Interpreting and Using Statistics in Psychological Research\|pages=145–183\|location=Thousand Oaks, CA\|publisher=SAGE Publications, Inc\|doi=10.4135/9781506304144.n6\|isbn=978-1-5063-0416-8\|access-date=2021-06-01}}</ref> 例如，在关于人类研究对象的论文中，通常包括一个表格，显示整体[[sample size\|样本量]]、重要子组的样本量（例如，每个治疗或暴露组的样本量），以及[[demographic\|人口统计学]]或临床特征，如[[average\|平均]]年龄、各性别受试者的比例、相关[[comorbidity\|合并症]]的受试者比例等。

	用来描述数据集的一些常见度量包括[[central tendency\|集中趋势]]度量和[[Statistical dispersion\|离散]]度量或可变性度量。集中趋势度量包括[[mean\|均值]]、[[median\|中位数]]和[[Mode (statistics)\|众数]]，而可变性度量包括[[standard deviation\|标准差]]（或[[variance\|方差]]）、变量的最小值和最大值、[[kurtosis\|峰度]]和[[skewness\|偏度]]。<ref name=Inv>Investopedia, [http://www.investopedia.com/terms/d/descriptive_statistics.asp#axzz2DxCoTnMM 描述性统计学术语]</ref>		用来描述数据集的一些常见度量包括[[central tendency\|集中趋势]]度量和[[Statistical dispersion\|离散]]度量或可变性度量。集中趋势度量包括[[mean\|均值]]、[[median\|中位数]]和[[Mode (statistics)\|众数]]，而可变性度量包括[[standard deviation\|标准差]]（或[[variance\|方差]]）、变量的最小值和最大值、[[kurtosis\|峰度]]和[[skewness\|偏度]]。<ref name=Inv>Investopedia, [http://www.investopedia.com/terms/d/descriptive_statistics.asp#axzz2DxCoTnMM 描述性统计学术语]</ref>

描述统计 - 版本历史

2024年1月19日 (五) 16:59 Zeroclanzhang

2024年1月19日 (五) 16:55 Zeroclanzhang

Zeroclanzhang：​创建页面，内容为“Category:数据挖掘”

Zeroclanzhang：创建页面，内容为“Category:数据挖掘”