Глава 4. К первичным описательным статистикам (Descriptive Statistics) обычно от­носят числовые характеристики распределения измеренного на выборке при­знака

ПЕРВИЧНЫЕ ОПИСАТЕЛЬНЫЕ

СТАТИСТИКИ

К первичным описательным статистикам (Descriptive Statistics) обычно от­носят числовые характеристики распределения измеренного на выборке при­знака. Каждая такая характеристика отражает в одном числовом значении свой­ство распределения множества результатов измерения: с точки зрения их расположения на числовой оси либо с точки зрения их изменчивости. Основ­ное назначение каждой из первичных описательных статистик—замена мно­жества значений признака, измеренного на выборке, одним числом (напри­мер, средним значением как мерой центральной тенденции). Компактное описание группы при помощи первичных статистик позволяет интерпрети­ровать результаты измерений, в частности, путем сравнения первичных ста­тистик разных групп.

МЕРЫ ЦЕНТРАЛЬНОЙ ТЕНДЕНЦИИ

Мера центральной тенденции (Central Tendency) — это число, характеризую­щее выборку по уровню выраженности измеренного признака.

Существуют три способа определения «центральной тенденции», каждо­му из которых соответствует своя мера: мода, медиана и выборочное среднее.

Мода (Mode) — это такое значение из множества измерений, которое встре­чается наиболее часто. Моде, или модальному интервалу признака, соответ­ствует наибольший подъем (вершина) графика распределения частот. Если график распределения частот имеет одну вершину, то такое распределение называется унимодальным.

ПРИМЕР

Среди 8 значений признака (3, 7, 3, 5, 7, 8, 7, б) мода Мо = 7 как наиболее часто встречающееся значение. В табл. 3.2 предыдущего параграфа Мо = 3, а в табл. 3.3 модальным является интервал 50-54.

Когда два соседних значения встречаются одинаково часто и чаще, чем любое другое значение, мода есть среднее этих двух значений.

Распределение может иметь и не одну моду. Когда все значения встреча­ются одинаково часто, принято считать, что такое распределение не имеет моды.

Бимодальное распределение имеет на графике распределения две вершины, даже если частоты для двух вершин не строго равны. В последнем случае вы­деляют большую и меньшую моду. Во всей группе может быть и несколько локальных вершин распределения частот. Тогда выделяют наибольшую моду и локальные моды.

Еще раз отметим, что мода — это значение признака, а не его частота.

Медиана (Median) — это такое значение признака, которое делит упорядо­ченное (ранжированное) множество данных пополам так, что одна половина всех значений оказывается меньше медианы, а другая — больше. Таким обра­зом, первым шагом при определении медианы является упорядочивание (ран­жирование) всех значений по возрастанию или убыванию. Далее медиана определяется следующим образом:

• если данные содержат нечетное число значений (8, 9, 10, 13, 15), то ме­диана есть центральное значение, т. е. Md= 10;

• если данные содержат четное число значений (5, 8, 9, 11), то медиана есть точка, лежащая посередине между двумя центральными значения­ми, т. е.. Md =(8+9)/2=8, 5.

Среднее (Mean) (М_х — выборочное среднее, среднее арифметическое) — определяется как сумма всех значений измеренного признака, деленная на количество суммированных значений.

Если некоторый признак X измерен в группе испытуемых численностью N, мы получим значения: х_1, х_г, …, x_i1, ..., х_N (где i — текущий номер испытуе­мого, от 1 до N). Тогда среднее значение М_х определяется по формуле:

М_х=(1/N)∑ x_1. (4.1)

Свойства среднего. Если к каждому значению переменной прибавить одно и то же число с, то среднее увеличится на это число (уменьшится на это чис­ло, если оно отрицательное):

M_(xi+c)=(1/N)∑ (xi+c)=M_x+с (4.2)

А если каждое значение переменной умножить на одно и то же число с, то среднее увеличится в с раз (уменьшится в с раз, если делить на с):

M_(xi*c)=(1/N)∑ (xi*c)=M_x*с (4.3)

Далее мы неоднократно будем обращаться к такой величине, как отклоне­ние от среднего: (х_i - М_х). Из первого, очевидного свойства среднего следует

еще одно важное свойство, не столь очевидное: сумма всех отклонений от сред­него равна нулю:

∑ (xi-c)=0 (4.4)

Соответственно, среднее отклонение от среднего также равно 0.