범위 또는 범위 찾기(R)

그룹 세그먼트 수와 그룹 거리 결정(i)

가장 작은 것부터 가장 큰 것까지 세그먼트를 나열하십시오.

각 그룹 세그먼트에 포함된 관찰 단위를 계산합니다.

도수분포표로 정리

데이터 분포 유형 공개: 대칭 분포, 편향 분포

데이터 분포 특성 확인: 농도 분포 및 변동 정도

유난히 크거나 극히 작은 의심스러운 값이 발견됨

지표의 추가 계산 및 통계 분석에 기여합니다.

로그 정규분포(G, 로그 표준편차)

집중된 위치 - 관찰 범위의 중간

변동 정도 - 중앙 위치에 대한 변동 또는 분산 정도

기호(x̄, μ)

통계적 유의성(특성): 데이터에서 동질적인 관찰 그룹의 평균 수준을 반영합니다.

응용: 정규분포의 집중 위치(평균 수준)와 대략적인 정규분포 데이터에 대해 설명

기호 : G

통계적 유의성(특성) : 평균 수준을 반영

애플리케이션

기호 : M

계산: 직접법 및 빈도법

통계적 유의성: 순위에 따른 관찰 그룹의 평균 수준을 반영합니다.

특징: (정규분포: 평균=M) (대수정규분포: M=G) (양의 치우침 분포: M>평균) (음의 치우침 분포: M<평균)

응용 프로그램: 이론적으로 극단적인 값의 영향을 받지 않고 견고하며 분산된 데이터의 중앙 집중식 위치에 사용됩니다. 편향된 분포, 데이터의 불확실한 값, 작은 표본의 극단값, 불분명한 데이터 분포

기호 : R

계산: R=최대값-최소값

통계적 유의성: 관찰된 값 집합의 변동 범위를 반영합니다. 범위가 클수록 데이터 변동 정도가 커집니다.

신청: 단독으로 사용되지 않음

기호: Q/IQR

계산: Q=P75-P25

통계적 유의성: 데이터의 중간 절반의 범위는 범위보다 더 안정적이고 견고합니다. Q가 클수록 데이터 변동 정도가 더 큽니다.

애플리케이션

기호: σ/S

계산하다:

통계적 유의성: 분산이 클수록 개별 값이 더 많이 분산되고 변동 정도도 커집니다. 표준편차가 작을수록 개별 데이터가 더 집중되어 있고 데이터 변동 정도가 더 작으며 집중된 위치의 평균을 더 잘 대표하며, 그 반대도 마찬가지입니다.

적용: 정규 분포 또는 대략 정규 분포를 따르는 데이터

평균과 표준편차는 정규분포 데이터의 농도 위치와 변동 정도를 설명하기 위해 함께 사용되며 x̄±S로 표시됩니다.

기호 : 이력서

계산: CV=(S/x̄)*100%

통계적 유의성 변동 계수가 클수록 변동 정도도 커집니다.

신청: 비교