EXPLORATORNÍ STATISTIKA
Co je to statistika?
• Číselné údaje o hromadných jevech.
• Sběr, zpracování a vyhodnocování stat. údajů.
• Teoretická disciplína, která se zabývá metodami sloužícími k popisu odhalování zákonitosti při působení podstatných činitelů na hromadné jevy.
2
Základní pojmy
Hromadný jev - jev vyskytující se v masovém měřítku u velkého počtu prvků (statistických jednotek).
Vlastnosti statistických jednotek vyjadřují statistické znaky (proměnné).
3
Typy proměnných
4
Kategoriální proměnná nominální (nemá smysl uspořádání)
5
Číselné charakteristiky
TABULKA ROZDĚLENÍ ČETNOSTI
Hodnotyxi
Absolutní četnostini
Relativní četnostipi
x1 n1
x2 n2
xk nk
Celkem: 1
+ Modus
6
7
Grafické znázornění
A) Histogram – sloupcový graf (bar chart)
Co lze vyčíst z histogramu
Doc. Ing. Milan Hutyra, CSc. : Managment jakosti
(CZ.O4.01.3/3.2.15.2/0326 E-learningové prvky pro podporu výuky odborných a technických předmětů)
8
9
Grafické znázornění
B) Výsečový graf – koláčový graf (pie chart)
10
PříkladMinulý týden jsme zpracovali anketu týkající se názoru na
zavedení školného na vysokých školách.
Výsledky prezentuje následující graf:
11
Příklad
Níže uvedená data představují částečný výsledek zaznamenaný při průzkumu zatížení jedné z ostravských křižovatek, a to barvu projíždějících automobilů. Data vyhodnoťte a graficky znázorněte.
12
Řešení
13
Kategoriální proměnná ordinální (má smysl uspořádání)
14
Číselné charakteristikyTABULKA ROZDĚLENÍ ČETNOSTI
Hodnotyxi
Absolutní četnostini
Relativní četnostipi
Kumulativní četnostimi
Kumulativní relativní četnosti
Fi
x1 n1
x2 n2
xk nk
Celkem: 1
+ Modus
15
Grafické znázornění
A) Histogram – sloupcový graf (bar chart)
16
Grafické znázornění
B) Výsečový graf – koláčový graf (pie chart)
17
Grafické znázornění
C) Polygon kumulativních četností
(Galtonova ogiva, S-křivka)
18
Grafické znázornění
D) Paretův graf
Paretův graf
Doc. Ing. Milan Hutyra, CSc. : Managment jakosti
(CZ.O4.01.3/3.2.15.2/0326 E-learningové prvky pro podporu výuky odborných a technických předmětů)
19
20
Příklad
Následující data představují velikosti triček prodaných při výprodeji firmy TRIKO.
S, M, L, S, M, L, XL, XL, M, XL, XL, L, M, S, M, L, L, XL, XL, XL, L, M
a) Data vyhodnoťte a graficky znázorněte.
b) Určete kolik procent lidí si koupilo tričko velikosti nejvýše L.
21
Řešení
Kvantitativní (numerická) proměnná
22
23
Číselné charakteristiky
A) Míry polohy
B) Míry variability
24
Míry polohy
25
Aritmetický průměr
n
xx
n
ii
1
26
Vlastnosti aritmet. průměru
1.
neboli: Součet odchylek od průměru je 0.
2.
neboli: Přičteme-li ke každé hodnotě dat. souboru konstantu, průměr se o tuto konstantu změní.
3.
neboli: Vynásobíme-li každou hodnotu dat. souboru konstantou, průměr se změní také s násobkem této konstanty.
01
n
ii xx
xan
xa
n
xxa
n
ii
n
ii
!!:
xbn
bx
n
xxb
n
ii
n
ii
!!:
27
Průměr není rezistentní vůči
odlehlým pozorováním
!!!!
28
Kvantily
100p %-ní kvantil xp
odděluje 100p% menších hodnot od zbytku souboru
(100p% hodnot datového souboru je menších než toto číslo.)
29
Jak se kvantily určují
• Výběrový soubor uspořádáme podle velikosti• Jednotlivým hodnotám proměnné přiřadíme
pořadí, a to tak, že nejmenší hodnota bude mít pořadí 1 a nejvyšší hodnota pořadí n (rozsah souboru)
• 100p%- ní kvantil je roven hodnotě proměnné s pořadím zp, kde: , přičemž zp zaokrouhlujeme na celá čísla !!!!!
5,0npz p
30
Význačné kvantily
• KvartilyDolní kvartil x0,25
Medián x0,5 Horní kvartil x0,75
• Decily – x0,1; x0,2; ... ; x0,9
• Percentily – x0,01; x0,02; …; x0,99
• Minimum xmin a Maximum xmax
31
PříkladNásledující data představují věk hudebníků vystupujících na přehlídce dechových orchestrů. Proměnnou věk považujte za spojitou. Určete:
a)Mediánb)Dolní kvartilc)Horní kvartild)První decil
32
Interkvartilové rozpětí
25,075,0 xxIQR
Užití: např. při identifikaci odlehlých pozorování
33
MAD
• Medián absolutních odchylek od mediánu
• Pomocná proměnná sloužící k identifikaci odlehlých pozorování
34
PříkladPro data z předcházejícího příkladu určete MAD.
355,0 x MAD = 8
35
Identifikace odlehlých pozorování• 1,5 násobek IQR
• Z-souřadnice
• Mediánová souřadnice
mpozorováníodlehlýmjexIQRxxIQRxx iii 5,15,1 75,025,0
s
xxsouřz i
i
.
mpozorováníodlehlýmjexsouřz ii 3.
MAD
xxsouřmediánová i
i .483,1. 5,0
mpozorováníodlehlýmjexsouřmediánová ii 3.
36
PříkladV datech z předcházejícího příkladu identifikujte odlehlá pozorování:
a) Pomocí IQR
Odlehlé pozorování: 82
Vnitřní hradby
37
b) Pomocí z-souřadnice, resp. med.-souřadnice
PříkladV datech z předcházejícího příkladu identifikujte odlehlá pozorování:
38
Shorth
nejkratší interval,
v němž leží alespoň 50% hodnot proměnné
39
PříkladPro data z předcházejícího příkladu určete shorth.
Shorth = 43;34
40
Modus
střed shorthu
41
Příklad:Pro data z předcházejícího příkladu určete modus.
Shorth =
Modus:
43;34
5,382
4334ˆ
x
Modus = 38,5 let, tj. typický věk hudebníka vystupujícího na přehlídce dech. orchestrů je 38,5 let.
42
Míry variability
43
Výběrový rozptyl
1
1
2
2
n
xxs
n
ii
44
Vlastnosti výběrového rozptylu
1. Výběrový rozptyl konstanty je roven 0,neboli: jsou-li všechny hodnoty proměnné stejné, soubor má nulovou rozptýlenost.
2.
neboli: přičteme-li ke všem hodnotám proměnné konstantu, výběrový rozptyl se nezmění.
3.
neboli: vynásobíme-li všechny hodnoty proměnné konstantou, výběrový rozptyl se zvětší kvadrátem této konstanty (b2 krát)
21
2
1
2
21
2
2
111: x
n
ii
n
ii
yii
n
ii
x sn
xx
n
xaxasxay
n
xxsRa
221
22
1
22
1
2
21
2
2
1111: x
n
ii
n
ii
n
ii
yii
n
ii
x sbn
xxb
n
xxb
n
xbbxsbxy
n
xxsRb
45
Nevýhoda výběrového rozptylu
Rozměr rozptylu charakteristiky je
druhou mocninou rozměru proměnné.
46
Výběrová směrodatná odchylka
1
1
2
2
n
xxss
n
ii
47
Nevýhody výb. směr. odchylky a výb. rozptylu
Neumožňují srovnání rozptylu proměnných, které mají různé rozměry (jednotky).
48
Variační koeficient
%100x
sVx
(Směrodatná odchylka v procentech aritmetického průměru)
- Čím nižší var. koeficient, tím homogennější soubor.
- Vx>50% značí silně rozptýlený soubor.
49
Výběrová šikmost
3
1
3
21 s
xx
nn
na
n
ii
0
10
20
30
40
50
60
1 2 3 4 5 6 7
0
10
20
30
40
50
60
1 2 3 4 5 6 7
0
10
20
30
40
50
60
1 2 3 4 5 6 7
a=0 a>0 a<0
Jaký je vztah mezi šikmostí, mediánem a průměrem?
Úkoly:
V appletu generujte histogram odpovídající dat. souboru symetrickému (b=0), pozitivně zešikmenému (b>0) a negativně zešikmenému (b<0) a sledujte:
1. Průměrnou odchylku od průměru a průměrnou odchylku
od mediánu.
1. Vztah mezi průměrem a mediánem.
David M. Lane – Rice Virtual Lab in Statistics, Mean and Median
50
Jaký je vztah mezi šikmostí, mediánem a průměrem?
51
Symetrická data Pozitivně zešikmená data
Negativně zešikmená data
0
10
20
30
40
50
60
1 2 3 4 5 6 7
0
10
20
30
40
50
60
1 2 3 4 5 6 7
0
10
20
30
40
50
60
1 2 3 4 5 6 7
Průměr = medián
Polovina dat.souboru je menší než průměr
Průměr > medián Průměr < medián
Nadpoloviční většina dat.souboru je menší než průměr
Nadpoloviční většina dat.souboru je větší než průměr
52
Výběrová špičatost (normovaná)
32
13
321
1 2
41
4
nn
n
s
xx
nnn
nnb
n
ii
0
10
20
30
40
50
60
70
1 2 3 4 5 6 7
0
20
40
60
80
100
1 2 3 4 5 6 7
0
5
10
15
20
25
30
1 2 3 4 5 6 7
b=0 b>0 b<0
53
Grafické znázornění num. proměnné
A.) Krabicový graf (Box plot)
Odlehlé pozorováníMin(po odstranění odlehlých pozorování)
Max(po odstranění odlehlých pozorování)
X0,25 X0,75
X0,5
průměr
54
Grafické znázornění num. proměnnéB.) Číslicový histogram (Stem and leaf)