分類型數據的統計方法有哪些

A. 數據型數據的統計分組方法有哪些

方法:1、品質分組2、數量分組3、等距分組與異距分組 原則： 1.必須堅持組內統計資料的同質性和組間資料的差別性，這是統計分組的一個基本原則：2.必須符合完備性原則，即所謂「窮舉」性。3.必須遵守「互斥性」原則，即總體任一單位都只能歸屬於一組，而不能同時屬於兩個或兩個以上的組。

B. 分類統計的常用方法

常用的統計方法：1、計量資料的統計方法：分析計量資料的統計分析方法可分為參數檢驗法和非參數檢驗法；2、計數資料的統計方法：計數資料的統計方法主要針對四格表和R×C表利用檢驗進行分析；3、等級資料的統計方法：等級資料(有序變數)是對性質和類別的等級進行分組，再清點每組觀察單位個數所得到的資料。統計資料豐富且錯綜復雜，要想做到合理選用統計分析方法並非易事。對於同一 個資料，若選擇不同的統計分析方法處理，有時其結論是截然不同的。

C. 統計數據有幾種類型

統計數據按不同的分類規則可分為不同的類型，這里主要按三種分類規則分類。
（1）按照所採用的計量尺度不同，可以將統計數據分為分類數據、順序數據和數值型數據。分類數據是指只能歸於某一類別的非數字型數據，比如性別中的男女就是分類數據。順序數據是只能歸於某一有序類別的非數字型數據，比如產品的等級。數值型數據是按數字尺度測量的觀察值，它是自然或度量衡單位對事物進行測量的結果。
（2）按照統計數據的收集方法，可以將其分為觀測數據（observational data）和實驗數據（experimental data）。觀測數據是通過調查或觀測而收集到的數據，它是在沒有對事物進行人為控制的條件下得到的，有關社會經濟現象的統計數據幾乎都是觀測數據。在實驗中控制實驗對象而收集到的數據則稱為實驗數據。
（3）按照被描述的對象與時間的關系，可以將統計數據分為截面數據和時間序列數據。在相同或近似相同的時間點上收集到的數據稱為截面數據（cross-sectional data）。在不同時間上收集到的數據，稱為時間序列數據（time series data）。

D. 統計分類方法 統計方法有哪些分類

5 混凝土強度的檢驗評定5.1統計方法評定5.1.1採用統計方法評定時，應符合下列規定：1當連續生產的混凝土，生產條件在較長時間內能保持一致，且同一品種、同一強度等級混凝土的強度變異性保持穩定時，應按本標准第5.1.2條的規定進行評定。2其它情況應按本標准5.1.4條的規定進行評定。5.1.2一個檢驗批的樣本容量應為連續的三組試件，其強度應同時滿足下列要求： ≥ ＋0.7 (5.1.2-1) ≥ －0.7 (5.1.2-2)當混凝土強度等級不高於C20時，其強度的最小值尚應滿足下式要求： ≥0.85 (5.1.2-3)當混凝土強度等級高於C20時，其強度的最小值尚應滿足下式要求： ≥0.90 (5.1.2-4)式中 — 同一檢驗批混凝土立方體抗壓強度的平均值（N/mm2），精確到0.1（N/mm2）； —混凝土立方體抗壓強度標准值（N/mm2），精確到0.1（N/mm2）； —檢驗批混凝土立方體抗壓強度的標准差（N/mm2），精確到0.01（N/mm2）；按本標准第5.1.3條計算。當 計算值小於2.5N/mm2時，應取2.5 N/mm2。 —同一檢驗批混凝土立方體抗壓強度的最小值（N/mm2），精確到0.1（N/mm2）。5.1.3檢驗批混凝土立方體抗壓強度的標准差，應根據前一個檢驗期內同一品種混凝土試件的強度數據，按下列公式計算： (5.1.3) 式中 — 第 組混凝土試件的立方體抗壓強度代表值(N/mm2) ，精確到0.1（N/mm2）； — 前一檢驗期內的樣本容量。註：上述檢驗期不應少於60d也不宜超過90d，且在該期間內樣本容量不應少於45。5.1.4當樣本容量不少於10組時，其強度應同時滿足下列要求： ≥ ＋ (5.1.4-1) ≥ (5.1.4-2)式中 —同一檢驗批混凝土立方體抗壓強度的標准差（N/mm2），精確到0.01（N/mm2）；按本標准第5.1.5條計算。當 計算值小於2.5N/mm2時，應取2.5 N/mm2。 ， —合格判定系數，按表5.1.4取用。表5.1.4 混凝土強度的合格評定系數試件組數 10~14 15~19 ≥20 1.15 1.05 0.95 0.90 0.855.1.5 同一檢驗批混凝土立方體抗壓強度的標准差，應按下列公式計算： (5.1.5)式中 — 本檢驗期內的樣本容量。5.2非統計方法評定5.2.1當用於評定的樣本容量小於10組時，可採用非統計方法評定混凝土強度。5.2.2按非統計方法評定混凝土強度時，其強度應同時滿足下列要求： ≥ (5.2.2-1) ≥ (5.2.2-2)式中 ， —合格判定系數，按表5.2.2取用。表5.2.2 混凝土強度的非統計法合格評定系數混凝土強度等級 ＜C60 ≥C60 1.15 1.10 0.955.3混凝土強度的合格性評定5.3.1當檢驗結果滿足第5.1.2條或第5.1.4條或第5.2.2條的規定時，則該批混凝土強度應評定為合格；當不能滿足上述規定時，該批混凝土強度應評定為不合格。5.3.2對評定為不合格批的混凝土，可按國家現行的有關標准進行處理。2.2 符號 — 同一檢驗批混凝土立方體抗壓強度的平均值； — 混凝土立方體抗壓強度標准值； — 同一檢驗批混凝土立方體抗壓強度的最小值； — 方差未知評定方法中，檢驗批混凝土立方體抗壓強度的標准差； — 方差已知評定方法中，檢驗批混凝土立方體抗壓強度的標准差； ， ， ， — 合格性判定系數； — 第 組混凝土試件的立方體抗壓強度代表值； — 樣本容量。

E. 統計學中的分類方法

介紹
理解不同的數據類型，是探索性數據分析（Exploratory Data Analysis，EDA）所需的關鍵預備知識，同時也有助於你選擇正確的可視化方法。你可以將數據類型看成歸類不同類型變數的方式。我們將討論主要的變數類型，以及相應的示例。有時我們會稱其為測量尺度（measurement scale）。

類別數據

類別數據（categrorical data）表示特性，例如一個人的性別，所說的語言，等等。類別數據同樣可以使用數值（例如：1表示雌性，0表示雄性）。

名目數據

名目值（nominal value）指用於標記變數的定性離散單元。你可以直接把它們想像成「標簽」。注意名目數據是無序的。因此，如果你改變名目值的順序，其語義並不會改變。下面是一些名目特徵的例子：

性別：雌性、雄性。
語言：英語、法語、德語、西班牙語。
上面的性別特徵也被稱為「二分（dichotomous）」值，因為它只包含兩個類別。

次序數據

次序值（ordinal value）指離散、有序的定性單元。除了有序之外，它幾乎和名目數據一樣。例如，教育背景可以用次序值來表示：

初中
高中
大學
研究生
注意，其實初中、高中之間的差別，和高中、大學之間的差別，是不一樣的。這是次序數據的主要限制，次序值之間的差別是未知的。因此，次序值通常用於衡量非數值特徵，例如愉悅程度、客戶滿意度。

數值數據
離散數據

離散數據（discrete data）的值是不同而分散的，換句話說，只能接受一些特定值。這類數據無法測量但可以計數。它基本上用來表示可以分類的信息。例如，拋100次硬幣正面向上的次數。

你可以通過以下兩個問題檢查你處理的是否是離散數據：你可以對其計數嗎？它可以被切分成越來越小的部分嗎？

相反，如果數據可以測量但無法計數，那就是連續數據。

連續數據

連續數據（continuous data）表示測量。例如身高。

連續數據可以分為等距數據（interval data）和等比數據（ratio data）。

等距值指間隔相等的有序單元，也就是說，等距變數包含有序數值，並且我們知道這些數值之間的間隔。例如，用等距數據表示溫度：

-10
-5
0
+5
+10
+15
等距值的問題在於，它們沒有「真正的零」。拿上面的例子來說，0度不是絕對零度。另外，我們可以加減等距值，而不能乘除等距值或計算比率。由於沒有「真正的零」，無法應用許多描述統計學或推論統計學的方法。

等比值具有等距值的所有特性，同時也有絕對的零。因此，不僅可以加減，還可以乘除。高度、重量、長度、絕對溫度等都屬於等比值。

數據類型為什麼重要？
數據類型是一個非常重要的概念，因為統計學方法只能應用於特定的數據類型。你需要使用不同的方式分析連續數據和類別數據。因此，理解你處理的數據的類型，讓你能夠選擇正確的分析方法。

下面我們將重新查看上面提到的每種數據類型，了解它們可以應用什麼樣的統計學方法。為了理解我們將討論的一些性質，你需要對描述性統計學有所了解。如果你對此不熟悉，可以先看下我寫的描述性統計學介紹。

統計學方法
名目數據

處理名目數據時，你通過下述方式收集信息：

頻數 在一段時間內或整個數據集中出現的次數。
比例 頻數除以所有事件的頻數之和，即可得到比例。
百分比 我想這無需解釋了吧。
眾數 出現次數最多，也就是頻數最高的數據。
可視化方法 你可以使用餅圖或直方圖可視化名目數據。
統計學常用數據類型
左：餅圖；右：直方圖

次序數據

當你處理次序數據時，你可以使用以上用於名目數據的方法，不過，除此之外，你還可以使用一些額外的工具。也就是說，你可以使用頻數、比例、百分比、眾數概括次序數據，也可以使用餅圖、直方圖可視化次序數據。除此之外，你還可以使用：

百分位數 計算由小到大排列的次序數據的累計百分位，某一百分位對應的數據值就稱為這一百分位的百分位數。百分位數可以用來描述數據的離散趨勢。
中位數 即第50百分位數，它將數據分為相等的上下兩部分。中位數可以用來描述數據的中間趨勢。例如，如果我們用次序數據表示星巴克咖啡的容量：中杯、大杯、特大杯。那麼，其中位數為大杯（也就是說，真正的中杯是大杯）。
四分位距 第75百分位數與第25百分位數之差即為四分位距。四分位距可以簡要概述數據的離散趨勢。
連續數據

大多數統計學方法都可以用於連續數據。你可以使用百分位數、中位數、四分位距、均值、眾數、標准差、區間。

你可以使用矩形圖或箱形圖可視化連續數據。從矩形圖上可以看到分布的中間趨勢、離散程度、形態和峰態。注意，矩形圖不體現離散值，因此我們有時使用箱形圖。

F. 常見的數據統計方法有什麼

常見的數據統計方法有：表格、折線統計圖、條形統計圖、扇形統計圖。舉一個例子來具體分說明一下，比如說：我在淘寶開了個童裝店，為了方便統計每半個月的銷售額，現在用以上這四種統計方法來演示一下。

1.表格就是通過畫格子的方式來統計數據，在這里可以畫三行橫線，得到兩條細長的格子，再把這兩行均勻的分為15個上下格子。橫一為日期，橫二為銷售額，半個月下來都填進去就一目瞭然。

2.折線是通過畫點，把15天的銷售額都連成一條折線，通過上下起伏來看波動的數據。先畫一「L」形，橫線作日期，豎線作銷售額，銷售額可以自己寫一個數，一直往上數與數之間相差一樣。均勻的把橫豎線分為15份，每個日期對應多少銷售額，就在「L」的半框里，以對應的日期和銷售畫橫線和豎線，交叉的位置取一點。然後每天如此，再用直線連接這15個點，就能清楚的看到這半個月哪一天銷售最好，哪一天銷售墊底。

3.條形統計圖作出的是條狀的數據統計圖，和折線統計圖一樣，畫「L」，橫為日期豎為銷售額。只不過這里不畫點點，畫倒立的長方形，然後通過高高低低的條形圖來分析半個月的銷售額。

4.扇形統計圖就是把一個圓形，平均分為15份，一個月下來把所有的日銷售額加起來，用當天的數據除以總數，乘以百分數。每一分里寫上日期和當天銷售額占總數的百分比，用這個百分數來統計半個月的數據。每個圖的做法都不一樣，但表達的意思都是同樣的，這就是日常生活中最常見的幾種數據統計。