数据分析基础—5.3 平均分析法

平均分析法是利用平均数指标来反映某一特征数据总体的一般水平。

平均分析法的含义

它是通过特征数据的平均指标,反映事物目前所处的位置和发展水平。再对不同时期、不同类型单位的平均指标进行对比,说明事物的发展趋势和变化规律。

平均分析法的分类

在运用平均分析法时,对不同的特征数据所采用的平均指标有所不同。常用的平均指标如图:

在数据集合中,所有数据都参与计算得到的平均数称为数值平均数,包括算术平均数、几何平均数等。

在数据集合中,按照数据的大小顺序或出现的频率,选出一个代表值,称为位置平均数,包括中位数和众数等。

数值平均数

是根据数据集合中全部数据计算出来的平均数,所以数值平均数更能体现数据集合的平均水平,包括算术平均数、几何平均数等。

1、算术平均数

算术平均数是利用平均数指标反应特征数据的一般水平,它分为简单算术平均数和加权算术平均数。

a、简单算术平均数

将数据集合中所有数据之和除以数据个数即为简单算术平均数。假设有一组包含n个数据的数据集合:

该数据集合的简单算术平均数公式为:

例如:某房产中介前六个月的二手房成交数量分别人28套、37套、26套、37套、44套、50套,那么上半年的月平均成交量为多少套:

b、加权算术平均数

加权算术平均数是计算具有不同权重的数据的算术平均数。

所谓数据的权重是反映一个数据在数据集合中的重要性,一般用权数来表示。

将数据集合中各数据乘以相应的权数,然后加总求和再除以所有权数之和,即为该数据集合的加权算术平均数。它适用于已分组数据集合。

假设有一组数据集合,包含k个数据组,各组的简单算术平均数分别为:

每组数据的数据个数分别为:

每组数据的个数就是该组数据的权数,那么加权算术平均数的公式为:

例如:某水果超市购入苹果200斤,每斤3.5元;香蕉180斤,每斤3.3元;葡萄260斤,每斤4.2元,那么所购入的水果平均每斤多少元,通过加权算术平均数公式可得:

算术平均数能更好地反映一组数据的平均水平,应用最为广泛,但也存在分析缺陷,当数据集合中存在极端值时,分析结果往往不能反映数据的真实特征,假设对一个数据集合{23、30、32、…、70、3000}取算术平均数,因为最后一个数据是极大值,其结果会发生偏离,这时可以考虑使用位置平均数进行分析。

2、几何平均数

在分析产品合格率、银行利率、平均发展速度等问题时,数据之间的关系不是加减关系,而是乘除关系,应运用几何平均数分析。

将数据集合中的n个数据连乘积的n次方根称为几何平均数。

假设一个数据集合的数据分别为:

且所有数值都大于0,那么该数据集合的几何平均数公式为:

例如:某工厂有一条生产线有三道工序,每道工序的产品合格率分别为93%、88%、94%,计算这条生产线的平均合格率。

由于只有合格品才能进入下一道生产工序,所以每道工序的合格率之间是乘积关系,利用几何平均数公式分析可得:

位置平均数

位置平均数是在数据集合中选取一个能够反映数据特征的代表值,不需要所有数据参与计算,包括中位数和众数。

1、中位数

将数据集合中所有数据按大小顺序进行排序,如果数据个数为奇数,最中间位置的数据称为该数据集合的中位数,如果数据个数为偶数,那么中间两个数据的算术平均数称为该数据集合的中位数。

例如:数据集合{2、3、6、8、9、11、13}的中位数为8;数据集合{8、9、12、15、16、18、20、22}的中位数为(15+16)/2 = 15.5。

当数据集合中存在极大值或极小值时,一般运用中位数来代表该数据集合的平均水平。

2、众数

数据集合中出现次数最多的数据称为该数据集合的众数。

如果有多个数值出现次数相同且最多,那么这几个数据都是该数据集合的众数。如果数据集合中所有数据出现次数相等,那么这个数据集合没有众数。

例如:数据集合{3、5、6、7、8、8}的众数8。数据集合{5、5、6、8、9、10、10}的众数是5和10。

当一个数据集合中数据分布比较大,且某个数据出现的频率较高时,适合运用众数来代表数据集合的平均水平。

综上所述、通过几种平均指标的介绍,了解平均分析法的应用。在数据分析中,平均分析法一般要结合分组和对比等分析方法,对不同时期、不同企业、不同区域等平均指标进行对比,说明事物的发展趋势和变化规律。


最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 218,525评论 6 507
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,203评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 164,862评论 0 354
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,728评论 1 294
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,743评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,590评论 1 305
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,330评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,244评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,693评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,885评论 3 336
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,001评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,723评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,343评论 3 330
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,919评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,042评论 1 270
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,191评论 3 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,955评论 2 355