描述性统计 Descriptive Stats Types of Data (Scales of Measurement)
描述性统计分析
统计分析本次问卷调查主要是广大的游客为主要的对象,采用的是网上发放问卷的形式，主要借助的是问卷星网站这个平台。
此次问卷总计发放了420份，回收问卷388份,回收率达到92.38%,回收问卷有效率为92.38%，在问卷星的设计中提交前提是完成问卷，因此回收问卷都为有效问卷。
本部分将根据对有效问卷的统计,对所得数据进行相关的数据分析。
描述性统计分析描述性统计(DescriPtivestatistics)是对统计结构和总体情况所进行的描述,本部分将对游客基本信息进行描述性统计分析。
游客基本信息描述性统计分析游客的基本信息主要包括,第一部分关于游客的人口统计学信息,包括游客的性别、年龄、受教育程度、职业、收入等;第二部分是关于游客在姨奶奶中的旅游次数的一个简单的统计。
表____反映了这一系列的基本信息。
从性别上看,男女比例基本持平,其中女性游客稍占多数51.5%，男性游客占48.5%，女性游客的平均人数比男性游客稍微多一些;从年龄上看,主要集中在18~25岁这个年龄段上,占到了游客总数的91.2%,这说明了青少年时目前旅游人群的主要构成部分，这一方面和现当代的生活水平，价值观、消费观有密切的联系。
从学历上看,游客的学历主要集中在高中、本科及以上这三块,分别占到这次调查样本数的11.9%、78.9%、6.2%。
充分证明对待旅游的看法和学历的高低是一个正相关的关系。
从职业上看,学生占到了最多的一个比例64.9%，比其他的职业人群高出很多，公司职员在其中也占到了13.4%，在这一点上有力的证明了在影响旅游愿景的因素中，时间是一个相当大的权重，个体其实在经济实力这一权重来看是比较具有优势的一个群体，但是在这次调查中仅占了 2.6%，从这一方面也可以得出时间是一个较大权重的结论;从收入状况上看,主要集中在1400~3000和3000~5000这两个段的人群，分别达到67%和19.6%，这印证了旅游公共服务的不断健全和旅游的逐步平民化。
描述性统计分析
一、什么是描述统计分析（Descriptive Analysis）概念：使用几个关键数据来描述整体的情况描述性数据分析属于比较初级的数据分析，常见的分析方法包括对比分析法、平均分析法、交叉分析法等。
描述性统计分析要对调查总体所有变量的有关数据做统计性描述，主要包括数据的频数分析、数据的集中趋势分析、数据离散程度分析、数据的分布、以及一些基本的统计图形。
Excel里的分析工具库里的数据分析可以实现描述性统计分析的功能。
描述性统计分析即是对数据源最初的认知，包括数据的集中趋势、分散程度以及频数分布等，了解了这些后才能去做进一步的分析。
二、常用指标均值、中位数、众数体现了数据的集中趋势。
极差、方差、标准差体现了数据的离散程度。
偏度、峰度体现了数据的分布形状。
1、均值。
均值容易受极值的影响，当数据集中出现极值时，所得到的的均值结果将会出现较大的偏差。
2、中位数：数据按照从小到大的顺序排列时，最中间的数据即为中位数。
当数据个数为奇数时，中位数即最中间的数，如果有N个数，则中间数的位置为(N+1)/2；当数据个数为偶数时，中位数为中间两个数的平均值，中间位置的算法是(N+1)/2。
中位数不受极值影响，因此对极值缺乏敏感性。
3、众数：数据中出现次数最多的数字，即频数最大的数值。
众数可能不止一个，众数不能能用于数值型数据，还可用于非数值型数据，不受极值影响。
4、极差：=最大值-最小值，是描述数据分散程度的量，极差描述了数据的范围，但无法描述其分布状态。
且对异常值敏感，异常值的出现使得数据集的极差有很强的误导性。
5、四分位数：数据从小到大排列并分成四等份，处于三个分割点位置的数值，即为四分位数，四分位数分为上四分位数（数据从小到大排列排在第75%的数字，即最大的四分位数）、下四分位数（数据从小到大排列排在第25%位置的数字，即最小的四分位数）、中间的四分位数即为中位数。
四分位数可以很容易地识别异常值。
箱线图就是根据四分位数做的图。
现代心理教育与统计学_第三版复习资料(张厚粲)
第一章绪论1.描述统计（descriptive statistics)主要研究如何将实验或调查得到的大量数据进行图表整理或简缩成有代表性的数字（即统计量数），使其能客观、全面地反映这组数据的全貌，将其所提供的信息充分显现出来，为进一步统计分析和推论提供可能。
2.描述统计只限于对试验样本所得观测数据的统计分析，不考察其总体的特性。
3.推论统计(inferential statistics)是以描述统计为基础，从而解决由局部到全体的推论问题，即通过对一组统计量的计算分析，推论该组数据所代表的总体特性。
4.变量(variables)：一个可以取不同数值的物体属性/事件。
5.事前无法预期结果的变量——随机变量6.观测值（原始取值）：事后测定的某一结果。
7.概念理解：[涉及“实验”] 自变量（及其各水平）& 因变量（及相应的反应指标）；[涉及“调查”，粗略对应于] 属性变量& 反应变量8.计数资料(count data)：计算个数的数据，（如人口数，学校数，男女数等）9.计量资料(measurement data)：借助于一定的测量工具或一定的测量标准而获得的数据（如分数，身高，体重，IQ）10.称名数据(nominal data)：只区分属性或类别上的不同，只可计数，不能排序（性别，学科，职业）11.等级/顺序数据(ordinal data)：可排序，但无相等单位，不能加减。
（等级评定，受教育程度，职称）12.等距数据(interval data)：具有相等单位，无绝对零的数据，能加减不能乘除。
13.比率数据(ratio data)：既表明量的大小，又具有相等单位，可以加减乘除，具有绝对零点。
14.称名数据和顺序数据合称为离散数据。
15.等距数据和比率数据合称为连续数据。
16.离散数据(discrete data)又称为不连续数据，这类数据在任何两个数据点之间所取的数据的个数是有限的。
17.连续数据(continuous data)指任意两个数据点之间都可以细分出无限多个大小不同的数值。
卫生统计学名词解释
卫生统计学名词解释一、基础概念1.总体（Population）：在一定时空范围内同质的所有观察单位或个体的集合。
2.样本（Sample）：从总体中随机抽取的一部分观察单位的集合。
3.变量（Variable）：观察单位的基本特征或特性，可以分为定量变量和定性变量。
4.总体参数（Population Parameter）：描述总体特征的概括性数值，如总体均数、总体率等。
5.样本统计量（Sample Statistic）：描述样本特征的数值，如样本均数、样本率等。
二、资料类型与搜集方法1.计数资料（Count Data）：通过计数或分类得到的资料，一般用相对数（率）表示。
2.计量资料（Measure Data）：通过测量得到的数值资料，一般用均数、中位数等表示。
3.等级资料（Ordinal Data）：具有一定顺序或等级的资料，一般用等级或有序分类表示。
4.调查法（Survey Method）：通过问卷、访谈等方式收集资料的方法，常用于大样本调查。
5.实验法（Experimental Method）：通过实验设计、随机分组等方式收集资料的方法，常用于实验研究。
6.观察法（Observational Method）：通过观察记录收集资料的方法，常用于临床观察、生态学研究等。
7.纵向研究（Longitudinal Study）：对同一组观察单位在不同时间点进行重复观察的方法，可获取纵向数据。
8.横向研究（Cross-sectional Study）：在某一时间点对不同组观察单位进行同时观察的方法，可获取横截面数据。
9.随机抽样（Random Sampling）：按照随机原则从总体中抽取样本的方法，保证每个观察单位被抽中的概率相等。
10.系统抽样（Systematic Sampling）：按照某种规则或顺序从总体中抽取样本的方法，如每隔一定数量的观察单位抽取一个样本。
三、卫生统计学方法1.描述性统计（Descriptive Statistics）：通过对数据进行整理、归类、简化和表示，描述数据的基本特征和分布情况。
现代心理教育与统计学 第三版复习资料(张厚粲)
第一章绪论1.描述统计（descriptive statistics)主要研究如何将实验或调查得到的大量数据进行图表整理或简缩成有代表性的数字（即统计量数），使其能客观、全面地反映这组数据的全貌，将其所提供的信息充分显现出来，为进一步统计分析和推论提供可能。
2.描述统计只限于对试验样本所得观测数据的统计分析，不考察其总体的特性。
3.推论统计(inferential statistics)是以描述统计为基础，从而解决由局部到全体的推论问题，即通过对一组统计量的计算分析，推论该组数据所代表的总体特性。
4.变量(variables)：一个可以取不同数值的物体属性/事件。
5.事前无法预期结果的变量——随机变量6.观测值（原始取值）：事后测定的某一结果。
7.概念理解：[涉及“实验”] 自变量（及其各水平）& 因变量（及相应的反应指标）；[涉及“调查”，粗略对应于] 属性变量& 反应变量8.计数资料(count data)：计算个数的数据，（如人口数，学校数，男女数等）9.计量资料(measurement data)：借助于一定的测量工具或一定的测量标准而获得的数据（如分数，身高，体重，IQ）10.称名数据(nominal data)：只区分属性或类别上的不同，只可计数，不能排序（性别，学科，职业）11.等级/顺序数据(ordinal data)：可排序，但无相等单位，不能加减。
（等级评定，受教育程度，职称）12.等距数据(interval data)：具有相等单位，无绝对零的数据，能加减不能乘除。
13.比率数据(ratio data)：既表明量的大小，又具有相等单位，可以加减乘除，具有绝对零点。
14.称名数据和顺序数据合称为离散数据。
15.等距数据和比率数据合称为连续数据。
16.离散数据(discrete data)又称为不连续数据，这类数据在任何两个数据点之间所取的数据的个数是有限的。
17.连续数据(continuous data)指任意两个数据点之间都可以细分出无限多个大小不同的数值。
统计学概论主要术语
第1章统计学研究什么？主要术语1. 统计学(statistics)：收集、处理、分析、解释数据并从数据中得出结论的科学。
2. 描述统计（descriptive statistics）：研究数据收集、处理和描述的统计学方法。
3. 推断统计（inferential statistics）：研究如何利用样本数据来推断总体特征的统计学方法。
4. 变量(variable)：每次观察都会得到不同结果的某种特征。
5. 分类变量(categorical variable)：又称无序分类变量，观测结果表现为某种类别的变量。
6. 顺序变量(rank variable)：又称有序分类变量，观测结果表现为某种有序类别的变量。
7. 数值变量(metric variable)：又称定量变量，观测结果表现为数字的变量。
8. 分类数据(categorical data)：只能归于某一类别的非数字型数据。
9. 顺序数据(rank data)：只能归于某一有序类别的非数字型数据。
10. 数值型数据(metric data)：按数字尺度测量的数据。
11. 总体（population）：包含所研究的全部个体（数据）的集合。
12. 样本（sample）：从总体中抽取的一部分元素的集合。
13. 样本量（sample size）：构成样本的元素的数目。
14. 简单随机抽样（simple random sampling）：从含有N个元素的总体中，抽取n个元素组成一个样本，使得总体中的每一个元素都有相同的机会（概率）被抽中。
15. 分层抽样（stratified sampling）：也称分类抽样，在抽样之前先将总体的元素划分为若干层（类），然后从各个层中抽取一定数量的元素组成一个样本。
16. 系统抽样（systematic sampling）：也称等距抽样，先将总体各元素按某种顺序排列，并按某种规则确定一个随机起点，然后每隔一定的间隔抽取一个元素，直至抽取n个元素组成一个样本。
描述性统计分析结果举例解读
描述性统计分析结果举例解读描述性统计分析（DescriptiveStatistics）是统计学中最常用的研究方法之一，也是研究工作中最容易实施的研究方法。
描述性统计分析能够帮助研究者了解一个研究群体人口结构特征、行为特征以及结果特征等内容，以便更好地指导实践并采取有效的行动，以提升整个研究的质量。
本文通过描述性统计分析的例子，来进行解读，以期对描述性统计分析有更深入的认识。
一、定义描述性统计分析（Descriptive Statistics）指的是一种把一组数据的摘要用一种形式表示出来的统计方法，它可以帮助人们了解一组数据的状况。
描述性统计分析可以把一些复杂的数据转换成简单易懂的形式来表示，让我们可以快速掌握一组数据的特征和趋势，比如最大值、最小值、中位数、均值、众数、众数频数等。
二、描述性统计分析结果解读1、求出数据组的最大值、最小值、均值最大值、最小值可以反映数据组中数据点的范围，而均值反映了数据组中大部分数据点的分布情况。
如果我们发现均值大于最大值或小于最小值，则可以考虑数据组中存在异常值，从而对数据进行更详细地分析。
2、求出数据组的众数和众数频数众数（Mode）是指一组数据中出现次数最多的值，而众数频数（Mode Frequency）是指某个众数出现的次数。
出现次数最多的众数可以反映数据点的普遍情况，而众数频数可以反映出现次数最多的众数出现的程度。
3、求出数据组的中位数中位数（Median）是指一组数据中点两边的数据点刚好相等的数据点，其用于表示数据分布的中间状态，中位数的值代表的是这一组数据的中心值。
如果数据分布有较大的偏差，则中位数能够更好地表征数据的分布趋势。
三、结论描述性统计分析能够帮助我们有效的描述一组数据的特征。
它可以快速给出该组数据的最大值、最小值、均值、众数、众数频数和中位数等摘要信息。
这些信息能够帮助我们更好地分析和理解数据，从而有效地指导实践并采取有效的行动。
统计学相关术语
统计学相关术语1、概率（proability）：度量一随机事件发生可能性大小的实数，其值介于0 与1 之间。
一随机事件的慨率可看作在相同条件下重复试验时，该事件发生的频率的稳定值，也可看作对事件发生的相信程度。
2、统计学（statistics）：主要通过利用概率论建立数学模型，收集所观察系统的数据，进行量化的分析、总结，并进而进行推断和预测，为相关决策提供依据和参考。
也就是收集、处理、分析、解释数据并从数据中得出结论的科学。
主要又分为描述统计学和推断统计学。
3、描述统计（Descriptive statistics）：描述统计是通过图表或数学方法，对数据资料进行整理、分析，并对数据的分布状态、数字特征和随机变量之间关系进行估计和描述的方法。
目的是描述数据特征，找出数据的基本规律。
描述统计分为集中趋势分析和离中趋势分析和相关分析三大部分。
4、推断统计（Inferential Statistics）：推断统计是研究如何根据样本数据来推断总体数量特征的方法，它是在对样本数据进行描述的基础上，对统计总体的未知数量特征做出以概率形式表述的推断。
主要包括参数估计与假设检验两种方法。
描述统计学和推断统计学的划分，一方面反映了统计方法发展的前后两个阶段，同时也反映了应用统计方法探索客观事物数量规律性的不同过程。
5、数值型数据(metric data)：按数字尺度测量的观察值，结果表现为具体的数值，对事物的精确测度，例如：身高为175cm、168cm、183cm。
6、分类数据(categorical data) ：只能归于某一类别的非数字型数据，对事物进行分类的结果，数据表现为类别，用文字来表述，例如，人口按性别分为男、女两类。
7、总体(population)：所研究的全部个体(数据) 的集合，其中的每一个个体也称为元素。
分为有限总体和无限总体：有限总体的范围能够明确确定，且元素的数目是有限的；无限总体所包括的元素是无限的，不可数的。
描述性统计分析
【Display frequency tables复选框 tables复选框】确定是 复选框】 否在结果中输出频数 表。 Statistics钮 【Statistics钮】单击后 弹出Statistics对话框 对话框， 弹出Statistics对话框， 用于定义需要计算的 其他描述统计量。 其他描述统计量。
茎叶图，整数位为茎，小数位为叶。 这样可以非常直观的看出数据的分布范围及形态
frequencies过程 frequencies过程
频数分布表是描述性统计中最常用的方法 之一，Frequencies 之一，Frequencies 过程就是专门为产生频数 表而设计的，它不仅可以产生单变量详细 的频数表，显示文件中指定变量特定值发 生的频数，还可以获得某些描述统计量或 按要求给出某百分位点的数值以及常用的 条图、圆图等统计图。
选入需要描述的 变量，可选入多个
确定是否将原始数 据的标准正态变换 结果存为新变量。
变量列表顺序 字母顺序 均数升序 均数降序。
Descriptive Statistics 身身 Valid N (listwise) N Minimum Maximum 215 151 188 215 Mean Std. Deviation 166.67 7.668
Lowest
女
Highest
Lowest
a. Only a partial list of cases with the value 167 are shown in the table of lower extremes. b. Only a partial list of cases with the value 172 are shown in the table of upper extremes. c. Only a partial list of cases with the value 154 are shown in the table of lower extremes.
统计分析与Spss应用第五章(描述性统计分析)
选入需要描述的 变量，可选入多个
确定是否将原始数 据的标准正态变换 结果存为新变量。
变量列表顺序 字母顺序 均数升序 均数降序。
Descriptive Statistics N 血清总胆固醇 Valid N (listwise) Minimum Maximum 101 2.70 7.22 101 Mean Std. Deviation 4.6995 .86162
5.1.1 对话框界面及 各部分选项说明 【Display frequency tables复选框】确定是 否在结果中输出频数 表。 【Statistics钮】单击 后弹出Statistics对话 框，用于定义需要计 算的其他描述统计量。
集中趋势指标
百分位数指标
计算百分数时选此项
离散趋势指标 分布指标
1
.002
.000
Hale Waihona Puke .006.002b
.000
.005
639 61.974 d 65.957 55.621 9.398
e
40 40
.014 .006
.016b .009b .011b .003
b
.008 .003 .004 .000
.025 .016 .018 .006 .001
b
1
.002
.000
.002
descriptive statistics菜单主要内容
(1)频数分布表分析(Frequencies)：其特色就是产生 频数表，对分类数据和定量资料都适用。 (2)统计描述分析(Descriptive)进行一般性描述，适 用于服从正态分布的定量资料。 (3) Explore 过程：用于对数据分布状况不清楚时的 探索性分析，它会杂七杂八给出一大堆可能用到的 统计指标和统计图，让研究者参考。 (4)Crosstabs 过程则完成计数资料和等级资料的统计 描述和一般的统计检验我们常用的X2 检验也在其中 完成 (5)Ratio过程；用于对两个连续性变量计算相对比指 标，它可以计算出一系列非常专业的相对比描述指 标。
SPSS统计分析—描述性统计分析
Skewness
中位数 Median
方差
Variance
峰度
Kurtosis
众数
Mode
极小值
Minimum
和
Sum
极大值
Maximum
全距
Range
均值的标准 误差
S.E.mean
• 【Descriptive Statistics】子菜单
• ① Frequencies：产生变量值的频数分布表，并可计算常见 描述性统计量和绘制相对应的统计图。
• 执行【Analyze】/【Descriptive Statistics】/ 【Crosstabs】命令，弹出如图所示对话框
• 结果解读
1、列联表 2、卡方检验结果
3、条图
相对比描述——Ratio
• 在实际问题中，研究者有时除了希望了解变量自身的统计特 征，还希望得到两个变量相对比之间的统计描述。
适用范围：更适用于对分类变量以及不服从正态分布的连 续性变量进行描述。
• 学生身高频数表：已知有某地120名12岁男童身高数据，编 制其传统的简易频数表。
执行【Analyze】/【Descriptive Statistics】/ 【Frequencies】命令，弹出如下所示对话框
• 结果解读 1、频数表
每个格子中的理论频数T是在假定两组的发癌率相等（均等于两组 合计的发癌率）的情况下计算出来的，如第一行第一列的理论频数 为71*91/113=57.18，故卡方值越大，说明实际频数与理论频数的 差别越明显，两组发癌率不同的可能性越大。
2、卡方检验方法的适用条件
• 吸烟习惯与患病率的关系
调查339名50岁以上吸烟习惯与患慢性气管炎病的关系，如 上表所示。试问吸烟者与不吸烟者慢性气管炎患病率是否有 所不同。 ◆ 数据的预处理：WEIGHT CASE
描述性统计
Transportation Data Analysis（1） Overview: Descriptive Statistics
同济大学交通运输工程学院 王雪松（副教授、博士生导师）
2013年
交通运输工程学院
1. Data & Traffic Data(1)
• Types of Data
the set to be examined:
������ =
������ ������=1
������������
������
where N is the number of observations in the entire population
• Mode
• the value that occurs most frequently in a set of observations
and provide a better understanding of the data.
• What is descriptive statistics?
• methods and techniques for summarizing and interpreting data in a clear way
quartiles
• [应用]85%位车速
• 15%~85%位车速变化较平稳，在道路管理上通常 将85%位车速作为最高车速限制指标
6. Measures of Central Tendency(1)
• Median
• 50th percentile
• Mean(arithmetic mean)
• [Sample Mean-������]The mean of a sample of measurements x1,
数据基础学习（1）描述统计
数据基础学习（1）描述统计什么是数据(Data) ？ 我们经常说“ ⽔的温度是30℃，礼物的重量是500克，⽵竿的长度是2⽶，⼤楼的⾼度50层“。
通过⽔，温度，30℃，礼物，重量，500克，⽵竿，长度，2⽶，⼤楼，⾼度，50层这些关键词,我们的⼤脑⾥就形成了对客观世界的印象。
这些约定俗成的字符或关键词就构成了我们探讨的数据基础。
不同领域的⼈在描述同⼀事物可能会出现不同的数据描述。
⽐如中国⼈叫星期天，英语国家的⼈叫Sunday，还有教徒叫礼拜天。
最后我们对数据进⾏这样的定义：数据是使⽤约定俗成的关键词，对客观事物的数量、属性、位置及其相互关系进⾏抽象表⽰。
数据可以是事实，例如数字、⽂字、测量、观察结果，甚⾄可以是事物的描述。
定性（Qualitative）与定量（Quantitative） 数据可以是定量或者定性的。
定量属性是指以数量形式存在着的属性，并因此可以对其进⾏测量。
定性是指通过⾮量化的⼿段来探究事物的本质。
包括观测、实验和分析等。
⽐如某⼥对这个男⼈的描述，“2套房产，⼯资每⽉1万。
”这是定量分析。
“他是个好⼈，他很帅”。
这是定性分析。
定量数据可以分成离散和连续的：离散数据（Discrete data）只可以是某些既定的值（例如整数），通过计数取得。
例如职⼯⼈数。
连续数据（Continuous data）可以是在⼀个区间范围⾥的任何值，通过测量取得。
例如8⽉份的降⾬量。
数据是否⽆限可分是判断连续和离散的依据。
⾝⾼的数据是整数，如果提⾼精度可以量出⼩数点后⾯很多位，因此是连续数据。
⽽计数的、分类的、等级的数据是离散的，因为数据⽆法继续分割了。
变量 统计学中的变量（variables）⼤致可以分为数值变量 / 定量变量（numeric or quantitative variable）和分类变量 / 定性定量 / 属性变量（categorical, qualitative or attribute variable） 数值变量分为两类： 离散型变量（discrete）：值只能⽤⾃然数或整数单位计算，其数值是间断的，相邻两个数值之间不再有其他数值，这种变量的取值⼀般使⽤计数⽅法取得。
统计名词解释
统计第一章一、心理与教育统计的定义与性质定义：在心理与教育研究中，通过调查、实验、测量等手段有意地获取一些数据，并将得到的数据按照统计学的原理和步骤加以整理、计算、绘制图表、分析、判断、推理，最后得到结论的一种研究方法。
性质：应用统计学.二、心理与教育科学研究数据的特点（1）数据与结果多用数字呈现（2）数据具有一定的随机性和变异性(3)数据具有一定的规律性（4）通过部分数据来推测总体的特征三、心理与教育统计学的内容1、描述统计(descriptive stastics)主要研究如何整理心理与教育科学实验或调查得来的大量数据,描述一组数据的全貌，表达一件事物的性质。
包括:A、数据如何分组、使用统计图表描述一组数据的分布情况;B、计算一组数据的特征值(集中量数和差异量数),进而描述一组数据的全貌;C、表示一事物两种或两种以上属性间的相互关系（相关分析).2、推论统计(inferential statistics）主要研究如何通过局部数据所提供的信息，推论总体的情形。
包括:A、如何进行假设检验，如z检验、t检验、卡方检验、F检验、回归分析等;B、总体参数特征值的估计方法;C、各种非参数检验的统计方法。
3、实验设计(experimental design)主要目的在于研究如何科学地、经济地以及有效地进行实验，它是统计学近几十年发展起来的一部分内容。
四、心理与教育的基础概念数据类型1、从数据的观测方法和来源来划分计数数据(count data)是指计算个数的数据，如人口数、学校数、男女数等等.一般取整数形式；测量数据(measurement data)是指借用一定的测量工具或具有一定的测量标准而获得的数据，如身高、考试成绩、金钱数额、智力测验等。
2、根据数据的测量水平划分：称名数据(nominal data）顺序数据（ordinal data)等距数据（interval data）比率数据（ratio data）3、根据数据是否具有连续性划分：离散数据(discrete data）连续数据（continuous data)五、变量、观测值、随机变量变量(variables）是指实验、观察、调查中想要获得的数据；而一旦确定某个值,就称这个值为某一变量的观测值(observation)，即为具体的数据；在统计学中，把取值之前不能预料取到什么值的变量,称之为随机变量。
统计学名词解释
统计学名词解释统计学是一门研究数据收集、整理、分析和解释的科学方法的学科。
它可以帮助我们理解和掌握数据，并从中获得有关群体和现象的知识。
以下是一些常见的统计学名词及其解释。
1. 总体（Population）：指研究对象的全体，可以是人群、事物或过程等。
例如，全国所有成年人的收入水平就构成了一个总体。
2. 样本（Sample）：总体的一个子集，用来代表总体，通常在实际研究中可以通过抽样获得。
例如，从全国所有成年人中抽取1000个人的收入数据作为样本。
3. 描述性统计（Descriptive Statistics）：对数据进行整理、概括和描述的方法，包括测量中心趋势（如均值、中位数和众数）和离散程度（如标准差和方差）等。
4. 探索性数据分析（Exploratory Data Analysis）：通过可视化和统计方法来分析数据，并发现其中的模式、关联和异常值等。
这有助于提供初步的见解，并指导后续的推断统计分析。
5. 推断统计学（Inferential Statistics）：根据样本数据对总体进行推断的方法。
通过推断统计学，我们可以从样本的一部分数据中推断出总体的特征并作出相应的结论。
6. 参数（Parameter）：总体的数值特征，如总体均值和总体比例等。
由于通常无法直接观察到总体参数，我们需要通过样本的统计量来估计总体参数。
7. 统计量（Statistic）：样本的数值特征，如样本均值和样本比例等。
统计量是从样本中计算得到的，用来估计总体参数，并且可以用来做关于总体的推断。
8. 假设检验（Hypothesis Testing）：用来进行统计推断的方法。
在假设检验中，我们提出一个关于总体的假设，并根据样本数据对其进行检验，判断其是否成立。
9. 显著性水平（Significance Level）：假设检验中的一个事先指定的阈值，用来判断检验结果是否具有统计显著性。
通常使用的显著性水平是0.05，表示有95%的把握我们的结论是正确的。