n
_i
-c"
用第二种编码方式编码结果,两式不再相等。
1.9有一个样本:
yi,y2,…,yn,设B为其中任意一个数值。
证明只有当B=y时,
n
'y-B2
i吕最小。
这是平均数的一个重要特性,在后面讲到一元线型回归时还会用到
该特性。
阮(y_B(0
答:
令P八,y-B2,为求使p达最小之B,令?
B-
1.10检测菌肥的功效,在施有菌肥的土壤中种植小麦,成苗后测量苗高,共100株,
数据如下⑴:
10.0
9.3
7.2
9.
1
8.5
8.
0
10.5
10.6
9.6
10.1
7.0
6.7
9.5
7.
10.5
7.
8.1
9.6
7.6
9.4
8
9
10.0
7.5
7.2
5.
7.3
8.
7.1
6.1
5.2
6.8
0
7
10.0
9.9
7.5
4.
7.6
7.
9.7
6.2
8.0
6.9
5
0
8.3
8.6
10.0
4.
4.9
7.
8.3
8.4
7.8
7.5
80
6.6
10.0
6.5
9.
5
8.5
11.0
9.7
6.6
10.0
5.0
6.5
8.0
8.4
8.
7.4
7.
8.1
7.7
7.5
7.1
3
4
7.8
7.6
8.6
6.
7.0
6.
6.7
6.3
6.4
11.0
0
4
10.5
7.8
5.0
8.
7.0
7.
5.2
6.7
9.0
8.6
0
4
4.6
6.9
3.5
6.
9.7
6.
5.8
6.4
9.3
6.4
24
编制苗高的频数分布表,绘制频数分布图,并计算出该样本的四个特征数。
答:
首先建立一个外部数据文件,名称和路径为:
E:
\data\exr1-10e.dat。
SAS程序及结
果如下:
optionsnodate;|_
procformat;
valuehfmt
3.5-4.4='3.5-4.4'4.5-5.4='4.5-5.4'5.5-6.4='5.5-6.4'
6.5-7.4='6.5-7.4'7.5-8.4='7.5-8.4'8.5-9.4='8.5-9.4'
9.5-10.4=95-10410.5-11.4='10.5-11.4:
run;
datawheat;
infile'E:
\data\exr1-10e.dat';
inputheight@@;
run;
procfreq;
tableheight;
formatheighthfmt.;
run;
proccapabilitygraphicsnoprint;
varheight;
histogram/vscale=count;
insetmeanvarskewnesskurtosis;
run;
TheSASSystem
TheFREQProcedure
CumulativeCumulativeheightFrequencyPercentFrequencyPercent
3.5-4.4
1
1.00
1
1.00
4.5-5.4
9
9.00
10
10.00
5.5-6.4
11
11.00
21
21.00
6.5-7.4
23
23.00
44
44.00
7.5-8.4
24
24.00
68
68.00
8.5-9.4
11
11.00
79
79.00
9.5-10.4
15
15.00
94
94.00
10.5-11.4
6
6.00
100
100.00
21
Ma-xi
-Z-TQI?
!
!
SLmtoi前.U朋町hurtua-B.曲Ifit
纹嵴有许多特
1.12灵长类手掌和脚掌可以握物一侧的皮肤表面都有突起的皮肤纹嵴。
征,这些特征在胚胎形成之后是终生不变的。
人类手指尖的纹型,大致可以分为弓、箕和斗
三种类型。
在手指第一节的基部可以找到一个点,从该点纹嵴向三个方向辐射,这个点称为
三叉点。
弓形纹没有三叉点,箕形纹有一个三叉点,斗形纹有两个三叉点,记录从三叉点到
箕或斗中心的纹嵴数目称为纹嵴数(fingerridgecount,FRC)。
将双手十个指尖的全部箕形
纹的纹嵴数和/或斗形纹两个纹嵴数中较大者相加,称为总纹嵴数(totalfingerridgecount,
TFRC)。
下表给出了大理白族人群总纹嵴数的频数分布⑶:
TFRC分组
中值
频数
11~30
20
2
31~50
40
1
51~70
60
8
71~90
80
29
91~110
100
54
111~130
120
63
131~150
140
68
151~170
160
51
171~190
180
18
191~210
200
6
首先判断数据的类型,然后绘出样本频数分布图,计算样本的四个特征数并描述样本分布形^态。
答:
总纹脊数属计数数据。
计数数据的频数分布图为柱状图,频数分布图如下:
mi90JV4I[却1-U1|心I[齡*4ii
屮值
样本特征数(以TFRC的中值计算)SAS程序:
optionsnodate;datatfrc;
doi=1to10;inputy@@;inputn@@;
doj=1ton;output;
end;
end;
cards;
202
401
608
8029
10054120631406816051180182006run;
procmeansmeanstdskewnesskurtosis;vary;
run;
结果见下表:
TheSASSystem
AnalysisVariable:
Y
MeanStdDevSkewnessKurtosis
126.533333332.8366112-0.2056527-0.0325058
从频数分布图可以看出,该分布的众数在第七组,即总纹脊数的中值为140的那一组。
分布不对称,平均数略小于众数,有些负偏。
偏斜度为-0.2056527,偏斜的程度不是很明显,基本上还可以认为是对称的,峭度几乎为零。
1.13海南粗榧叶长度的频数分布⑷
叶长度/mm
中值
频数
2.0~2.2
2.1
390
2.2~2.4
2.3
1434
2.4~2.6
2.5
2643
2.6~2.8
2.7
3546
2.8~3.0
2.9
5692
3.0~3.2
3.1
5187
3.2~3.4
3.3
4333
3.4~3.6
3.5
2767
3.6~3.8
3.7
1677
3.8~4.0
3.9
1137
nag
4.0~4.2
4.1
667
4.2~4.4
4.3
346
4.4~4.6
4.5
181
绘出频数分布图,并计算偏斜度和峭度。
答:
表中第一列所给出的数值为组限,下图为海南粗榧叶长度的频数分布图。
计算偏斜度和峭度的SAS程序和计算结果如下:
optionsnodate;datalength;
doi=1to13;inputy@@;inputn@@;doj=1ton;
output;end;
end;
cards;
2.1390
2.31434
2.52643
2.73546
2.95692
3.15187
3.34333
3.52767
3.71677
3.91137
4.1667
4.3346
4.5181run;
procmeansnskewnesskurtosis;
vary;
run;
TheSASSystem
AnalysisVariable:
Y
nSkewnessKurtosis
300000.41064580.0587006
样本含量n=30000,是一个很大的样本,样本的偏斜度和峭度都已经很可靠了。
偏斜度为
0.41,有一个明显的正偏。
1.14马边河贝氏高原鳅繁殖群体体重分布如下
体质量/g中值雌鱼雄鱼
2.00~3.00
2.50
3.00~4.00
3.50
6
7
4.00~5.00
4.50
13
11
5.00~6.00
5.50
30
25
6.00~7.00
6.50
25
25
7.00~8.00
7.50
16
23
8.00~9.00
8.50
21
17
9.00~10.00
9.50
18
16
10.00~11.00
10.50
12
4
11.00~12.00
11.50
3
12.00~13.00
12.50
2
首先判断数据的类型,然后分别绘制雌鱼和雄鱼的频数分布图,计算样本平均数、标准差、偏斜度和峭度并比较两者的变异程度。
答:
鱼的体重为度量数据,表中第一列所给出的数值为组限。
在下面的分布图中雌鱼和雄鱼的分布绘在了同一张图上,以不同的颜色表示。
计算统计量的SAS程序与前面的例题类似,这里不再给出,只给出结果。
雌鱼:
TheSASSystem
AnalysisVariable:
Y
NMeanStdDevSkewnessKurtosis
1477.24149662.14568200.2318337-0.6758677
雄鱼:
TheSASSystem
AnalysisVariable:
Y
NMeanStdDevSkewnessKurtosis
1326.78030301.9233971-0.1322816-0.5510332
直观地看,雄鱼的平均体重低于雌鱼。
雌鱼有一正偏,雄鱼有一负偏。
因此,相对来说雌鱼低体重者较多,雄鱼高体重者较多。
但两者都有很明显的负峭度,说明“曲线”较平坦,两
尾翘得较高。
1.15黄胸鼠体重的频数分布⑹:
~组界/g频数
01530456010
26
30
22
22
7517
9016
10514
1206
1354
1502
总数
169
绘制频数分布图,从图形上看分布是对称的吗,说明什么问题?
答:
下面是频数分布图:
从上图可见,图形不是对称的,有一些正偏。
说明在该黄雄鼠群体中,低体重者分布数量,高于高体重者的数量。
另外,似乎峭度也有些低。
1.1625名患者入院后最初的白细胞数量(X103)⑺如下表:
8
5
12
4
11
6
8
7
7
12
7
3
11
14
11
9
6
6
5
6
10
14
4
5
5
计算白细胞数量的平均数、方差和标准差。
答:
用means过程计算,程序不再给出,只给出运行结果。
TheSASSystem
AnalysisVariable:
Y
NMeanVarianeeStdDev
257.840000010.30666673.2103998
1.17细胞珠蛋白基因(CYGB)可能是非小细胞肺癌(NSCLC)的抑制基因之一。
一个研究小组研究了该基因的表达、启动子甲基化和等位基因不平衡状态等,以便发现它与肿
瘤发病间的关联。
下面列出了其中15名患者的基因表达(肿瘤患者/正常对照,T/N),肿瘤
患者与正常对照甲基化指数差(Mtl「MtlN)[8]:
样本号
T/N
MtIT-MtIN
357
0.014
0.419
370
0.019
0.017
367
0.035
0.105
316
0.044
0.333
369
0.054
0.170
358
0.084
0.246
303
0.111
0.242
314
0.135
0.364
308
0.236
0.051
310
0.253
0.520
341
0.264
0.200
348
0.315
0.103
323
0.359
0.167
360
0.422
0.176
336
0.442
0.037
计算以上两项指标的平均数和标准差并计算两者的变异系数,这两个变异系数可以比较吗?
为什么?
答:
记T/N为y1,MtIt-MtIn为y2,用means过程计算,SAS运行的结果见下表:
TheSASSystem
VariableNMeanStdDevCV
Y1150.18580000.150562481.0346471
Y2150.21000000.146527469.7749634
两个变异系数是可以比较的,因为它们的标准差都是用平均数标准化了的,已经不存在不同单位的影响了。