一、本文簡介　　

　　一組樣本數(shù)據(jù)分布的數(shù)值特診可以從三個方面進行描述：

1、數(shù)據(jù)的水平：也稱為集中趨勢或位置度量，反應全部數(shù)據(jù)的數(shù)值大小。

2、數(shù)據(jù)的差異：反應數(shù)據(jù)間的離散程度。

3、分布的形狀：反應數(shù)據(jù)分布的偏度和峰度。

本文基于R實現(xiàn)描述數(shù)據(jù)的各統(tǒng)計量的計算方法。

?

二、描述水平的統(tǒng)計量

> head(iris[,-5],20)Sepal.Length Sepal.Width Petal.Length Petal.Width 1 5.1 3.5 1.4 0.2 2 4.9 3.0 1.4 0.2 3 4.7 3.2 1.3 0.2 4 4.6 3.1 1.5 0.2 5 5.0 3.6 1.4 0.2 6 5.4 3.9 1.7 0.4 7 4.6 3.4 1.4 0.3 8 5.0 3.4 1.5 0.2 9 4.4 2.9 1.4 0.2 10 4.9 3.1 1.5 0.1 11 5.4 3.7 1.5 0.2 12 4.8 3.4 1.6 0.2 13 4.8 3.0 1.4 0.1 14 4.3 3.0 1.1 0.1 15 5.8 4.0 1.2 0.2 16 5.7 4.4 1.5 0.4 17 5.4 3.9 1.3 0.4 18 5.1 3.5 1.4 0.3 19 5.7 3.8 1.7 0.3 20 5.1 3.8 1.5 0.3

2.1、平均數(shù)

> mean(iris$Sepal.Length) [1] 5.843333

　　

2.2、分位數(shù)

1、中位數(shù)

> median(iris$Sepal.Length) [1] 5.8

?

2、四分位數(shù)

> quantile(iris$Sepal.Length,probs = c(0.25,0.75),type = 6) 25% 75% 5.1 6.4

　　

3、百分位數(shù)

> quantile(iris$Sepal.Length,probs = c(0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9),type = 6)10% 20% 30% 40% 50% 60% 70% 80% 90% 4.80 5.00 5.23 5.60 5.80 6.10 6.30 6.58 6.90

　　

2.3、眾數(shù)

> which.max(table(iris$Sepal.Length)) 5 8

?

三、描述差異的統(tǒng)計量

3.1、極差和四分位數(shù)

1、極差

> range<-max(iris$Sepal.Length)-min(iris$Sepal.Length) > range [1] 3.6

?

2、四分位差

> IQR(iris$Sepal.Length,type = 6) [1] 1.3

　　

3.2、方差和標準差

> var(iris$Sepal.Length) [1] 0.6856935 > sd(iris$Sepal.Length) [1] 0.8280661

?

3.3、變異系數(shù)

> mean<-apply(iris[,1:4],1,mean) > sd<-apply(iris[,1:4],1,sd) > cv<-sd/mean > x<-data.frame("平均數(shù)"=mean,"標準差"=sd,"變異系數(shù)"=cv) > round(x,4)平均數(shù) 標準差 變異系數(shù) 1 2.550 2.1794 0.8547 2 2.375 2.0370 0.8577 3 2.350 1.9975 0.8500 4 2.350 1.9122 0.8137 5 2.550 2.1564 0.8456 6 2.850 2.2308 0.7828 7 2.425 1.9363 0.7985 8 2.525 2.1093 0.8354 9 2.225 1.8228 0.8192 10 2.400 2.0688 0.8620 11 2.700 2.3080 0.8548 12 2.500 2.0166 0.8066 13 2.325 2.0320 0.8740 14 2.125 1.8839 0.8866 15 2.800 2.5665 0.9166 16 3.000 2.4671 0.8224 17 2.750 2.3072 0.8390 18 2.575 2.1438 0.8325 19 2.875 2.3698 0.8243 20 2.675 2.1731 0.8124

?

> boxplot(iris[,1:4],notch = TRUE,col = "lightblue",ylab="花瓣長度",xlab="長度")

?

3.4、標準分數(shù)

> as.vector(round(scale(iris[,1:4]),4))[1] -0.8977 -1.1392 -1.3807 -1.5015 -1.0184 -0.5354 -1.5015[8] -1.0184 -1.7430 -1.1392 -0.5354 -1.2600 -1.2600 -1.8638[15] -0.0523 -0.1731 -0.5354 -0.8977 -0.1731 -0.8977 -0.5354[22] -0.8977 -1.5015 -0.8977 -1.2600 -1.0184 -1.0184 -0.7769[29] -0.7769 -1.3807 -1.2600 -0.5354 -0.7769 -0.4146 -1.1392[36] -1.0184 -0.4146 -1.1392 -1.7430 -0.8977 -1.0184 -1.6223[43] -1.7430 -1.0184 -0.8977 -1.2600 -0.8977 -1.5015 -0.6561[50] -1.0184 1.3968 0.6722 1.2761 -0.4146 0.7930 -0.1731[57] 0.5515 -1.1392 0.9138 -0.7769 -1.0184 0.0684 0.1892[64] 0.3100 -0.2939 1.0345 -0.2939 -0.0523 0.4307 -0.2939[71] 0.0684 0.3100 0.5515 0.3100 0.6722 0.9138 1.1553[78] 1.0345 0.1892 -0.1731 -0.4146 -0.4146 -0.0523 0.1892[85] -0.5354 0.1892 1.0345 0.5515 -0.2939 -0.4146 -0.4146[92] 0.3100 -0.0523 -1.0184 -0.2939 -0.1731 -0.1731 0.4307[99] -0.8977 -0.1731 0.5515 -0.0523 1.5176 0.5515 0.7930 [106] 2.1214 -1.1392 1.7591 1.0345 1.6384 0.7930 0.6722 [113] 1.1553 -0.1731 -0.0523 0.6722 0.7930 2.2422 2.2422 [120] 0.1892 1.2761 -0.2939 2.2422 0.5515 1.0345 1.6384 [127] 0.4307 0.3100 0.6722 1.6384 1.8799 2.4837 0.6722 [134] 0.5515 0.3100 2.2422 0.5515 0.6722 0.1892 1.2761 [141] 1.0345 1.2761 -0.0523 1.1553 1.0345 1.0345 0.5515 [148] 0.7930 0.4307 0.0684 1.0156 -0.1315 0.3273 0.0979 [155] 1.2450 1.9333 0.7862 0.7862 -0.3610 0.0979 1.4745 [162] 0.7862 -0.1315 -0.1315 2.1627 3.0805 1.9333 1.0156 [169] 1.7039 1.7039 0.7862 1.4745 1.2450 0.5567 0.7862 [176] -0.1315 0.7862 1.0156 0.7862 0.3273 0.0979 0.7862 [183] 2.3922 2.6216 0.0979 0.3273 1.0156 1.2450 -0.1315

?

四、描述分布形狀的統(tǒng)計量

4.1、偏度系數(shù)

> library(agricolae) > skewness(iris$Sepal.Length) [1] 0.314911

?

4.2、峰度系數(shù)

> kurtosis(iris$Sepal.Length) [1] -0.552064

?

轉(zhuǎn)載于:https://www.cnblogs.com/RHadoop-Hive/p/10167495.html

《新程序員》：云原生和全面數(shù)字化實踐50位技術(shù)專家共同創(chuàng)作，文字、視頻、音頻交互閱讀

總結(jié)

以上是生活随笔為你收集整理的数据的描述统计量的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。