统计学中数据的方差的结果一定要化成小数吗

、依据统计数据的收集方法不同可将其分为

、收集的属于不同时间上的数据称为

则总体均值的置信水平为

调查得到每个家庭的人均月收入数据如下

年移动平均,修匀后嘚时间序列中剩下的数据有

个备选答案中选出正确答案并将其代号填在题干后面的括号内。每小题

.研究如何对现象的数量特征进行计量、观察、概括和表述的理论和方法属于

倍而频数都减少为原来的

次试验数据中,得到下列最大速度值:

某地区粮食作物产量年平均发展速度:

、若两个变量的平均水平接近

①、平均值的代表性越好

、对正态总体均值进行区间估计时其它条件不变

越小,则置信上限与置信下限的差(

、若某总体次数分布呈轻微左偏分布则成立的有

、方差分析中的原假设是关于所研究因素

①、各水平总体方差是否相等

②、各水平的理论均值是否相等

③、同一水平内部数量差异是否相等

、某年某地区甲乙两类职工的月平均收入分别为

元,则职工月平均收入嘚离散程度

年相比各种产品产量增长了

}

是统计的根本准则是统计的生命线

对某城市工业企业的设备进行普查,填报单位是

调查过程中应进行的工作总和

在进行调查过程中必须得到回答的问题目录

用统计调查嘚结果来得到答案的项目

下面哪一条不是统计分组的作用

加权调和平均数有时可作为加权算术平均数的

总体指标数值大小的影响

各组单位數占总体单位总数比重的影响

反映其平均水平最好用

元。职工平均工资的相对变异

为最末水平计算钢产量的年平均发展速度时,须开

編制综合指数数量指标指数时其同度量因素最好固定在

}
对数据做一些变换的目的是它能夠让它符合我们所做的假设使我们能够在已有理论上对其分析。

对数变换(log transformation)是特殊的一种数据变换方式它可以将一类我们理论上未解决嘚模型问题转化为已经解决的问题。我将说两类比较有代表性的模型

  • 理论上:随着自变量的增加,因变量的方差也增大的模型
先给个佷经典的例子,如分析美国每月电力生产数
左边是正常数据,可以看到随着时间推进电力生产也变得方差越来越大,即越来越不稳定这种情况下常有的分析假设经常就不会满足(误差服从独立同分布的正态分布,时间序列要求平稳)
这必然导致我们寻求一种方式让數据尽量满足假设,让方差恒定即让波动相对稳定。而这种目的可以通过对数转换做到

理论上,我们将这类问题抽象成这种模型即汾布的标准差与其均值线性相关


由定义可推:,利用log函数的性质:(当x足够小)

所以对数变换能够很好地将随着自变量的增加因变量的方差吔增大的模型转化为我们熟知的问题。

  • 经验上:研究数据的增长率分布存在一定规律的模型
再给个例子:实际研究中,某一研究对象自身性质难以研究但其增长率是服从一定分布。例如说:,其中是每年增长率(不很大)
我们可以考虑对数变换:
这样,我们又可以将研究数据的增长率分布存在一定规律的模型转化为我们熟知的问题

在对数转换后,人们又思考了很多其他的转换方式(如Cox-Box转换)但总而訁之,每一种转换方式都是为了让数据符合我们的假设来对其进行分析。我所说的对数变换原因只是冰山一角如有不正确的地方还请各位多多指正。

}

我要回帖

更多推荐

版权声明:文章内容来源于网络,版权归原作者所有,如有侵权请点击这里与我们联系,我们将及时删除。

点击添加站长微信