分类型数据的统计方法有哪些

A. 数据型数据的统计分组方法有哪些

方法:1、品质分组2、数量分组3、等距分组与异距分组 原则： 1.必须坚持组内统计资料的同质性和组间资料的差别性，这是统计分组的一个基本原则：2.必须符合完备性原则，即所谓“穷举”性。3.必须遵守“互斥性”原则，即总体任一单位都只能归属于一组，而不能同时属于两个或两个以上的组。

B. 分类统计的常用方法

常用的统计方法：1、计量资料的统计方法：分析计量资料的统计分析方法可分为参数检验法和非参数检验法；2、计数资料的统计方法：计数资料的统计方法主要针对四格表和R×C表利用检验进行分析；3、等级资料的统计方法：等级资料(有序变量)是对性质和类别的等级进行分组，再清点每组观察单位个数所得到的资料。统计资料丰富且错综复杂，要想做到合理选用统计分析方法并非易事。对于同一 个资料，若选择不同的统计分析方法处理，有时其结论是截然不同的。

C. 统计数据有几种类型

统计数据按不同的分类规则可分为不同的类型，这里主要按三种分类规则分类。
（1）按照所采用的计量尺度不同，可以将统计数据分为分类数据、顺序数据和数值型数据。分类数据是指只能归于某一类别的非数字型数据，比如性别中的男女就是分类数据。顺序数据是只能归于某一有序类别的非数字型数据，比如产品的等级。数值型数据是按数字尺度测量的观察值，它是自然或度量衡单位对事物进行测量的结果。
（2）按照统计数据的收集方法，可以将其分为观测数据（observational data）和实验数据（experimental data）。观测数据是通过调查或观测而收集到的数据，它是在没有对事物进行人为控制的条件下得到的，有关社会经济现象的统计数据几乎都是观测数据。在实验中控制实验对象而收集到的数据则称为实验数据。
（3）按照被描述的对象与时间的关系，可以将统计数据分为截面数据和时间序列数据。在相同或近似相同的时间点上收集到的数据称为截面数据（cross-sectional data）。在不同时间上收集到的数据，称为时间序列数据（time series data）。

D. 统计分类方法 统计方法有哪些分类

5 混凝土强度的检验评定5.1统计方法评定5.1.1采用统计方法评定时，应符合下列规定：1当连续生产的混凝土，生产条件在较长时间内能保持一致，且同一品种、同一强度等级混凝土的强度变异性保持稳定时，应按本标准第5.1.2条的规定进行评定。2其它情况应按本标准5.1.4条的规定进行评定。5.1.2一个检验批的样本容量应为连续的三组试件，其强度应同时满足下列要求： ≥ ＋0.7 (5.1.2-1) ≥ －0.7 (5.1.2-2)当混凝土强度等级不高于C20时，其强度的最小值尚应满足下式要求： ≥0.85 (5.1.2-3)当混凝土强度等级高于C20时，其强度的最小值尚应满足下式要求： ≥0.90 (5.1.2-4)式中 — 同一检验批混凝土立方体抗压强度的平均值（N/mm2），精确到0.1（N/mm2）； —混凝土立方体抗压强度标准值（N/mm2），精确到0.1（N/mm2）； —检验批混凝土立方体抗压强度的标准差（N/mm2），精确到0.01（N/mm2）；按本标准第5.1.3条计算。当 计算值小于2.5N/mm2时，应取2.5 N/mm2。 —同一检验批混凝土立方体抗压强度的最小值（N/mm2），精确到0.1（N/mm2）。5.1.3检验批混凝土立方体抗压强度的标准差，应根据前一个检验期内同一品种混凝土试件的强度数据，按下列公式计算： (5.1.3) 式中 — 第 组混凝土试件的立方体抗压强度代表值(N/mm2) ，精确到0.1（N/mm2）； — 前一检验期内的样本容量。注：上述检验期不应少于60d也不宜超过90d，且在该期间内样本容量不应少于45。5.1.4当样本容量不少于10组时，其强度应同时满足下列要求： ≥ ＋ (5.1.4-1) ≥ (5.1.4-2)式中 —同一检验批混凝土立方体抗压强度的标准差（N/mm2），精确到0.01（N/mm2）；按本标准第5.1.5条计算。当 计算值小于2.5N/mm2时，应取2.5 N/mm2。 ， —合格判定系数，按表5.1.4取用。表5.1.4 混凝土强度的合格评定系数试件组数 10~14 15~19 ≥20 1.15 1.05 0.95 0.90 0.855.1.5 同一检验批混凝土立方体抗压强度的标准差，应按下列公式计算： (5.1.5)式中 — 本检验期内的样本容量。5.2非统计方法评定5.2.1当用于评定的样本容量小于10组时，可采用非统计方法评定混凝土强度。5.2.2按非统计方法评定混凝土强度时，其强度应同时满足下列要求： ≥ (5.2.2-1) ≥ (5.2.2-2)式中 ， —合格判定系数，按表5.2.2取用。表5.2.2 混凝土强度的非统计法合格评定系数混凝土强度等级 ＜C60 ≥C60 1.15 1.10 0.955.3混凝土强度的合格性评定5.3.1当检验结果满足第5.1.2条或第5.1.4条或第5.2.2条的规定时，则该批混凝土强度应评定为合格；当不能满足上述规定时，该批混凝土强度应评定为不合格。5.3.2对评定为不合格批的混凝土，可按国家现行的有关标准进行处理。2.2 符号 — 同一检验批混凝土立方体抗压强度的平均值； — 混凝土立方体抗压强度标准值； — 同一检验批混凝土立方体抗压强度的最小值； — 方差未知评定方法中，检验批混凝土立方体抗压强度的标准差； — 方差已知评定方法中，检验批混凝土立方体抗压强度的标准差； ， ， ， — 合格性判定系数； — 第 组混凝土试件的立方体抗压强度代表值； — 样本容量。

E. 统计学中的分类方法

介绍
理解不同的数据类型，是探索性数据分析（Exploratory Data Analysis，EDA）所需的关键预备知识，同时也有助于你选择正确的可视化方法。你可以将数据类型看成归类不同类型变量的方式。我们将讨论主要的变量类型，以及相应的示例。有时我们会称其为测量尺度（measurement scale）。

类别数据

类别数据（categrorical data）表示特性，例如一个人的性别，所说的语言，等等。类别数据同样可以使用数值（例如：1表示雌性，0表示雄性）。

名目数据

名目值（nominal value）指用于标记变量的定性离散单元。你可以直接把它们想象成“标签”。注意名目数据是无序的。因此，如果你改变名目值的顺序，其语义并不会改变。下面是一些名目特征的例子：

性别：雌性、雄性。
语言：英语、法语、德语、西班牙语。
上面的性别特征也被称为“二分（dichotomous）”值，因为它只包含两个类别。

次序数据

次序值（ordinal value）指离散、有序的定性单元。除了有序之外，它几乎和名目数据一样。例如，教育背景可以用次序值来表示：

初中
高中
大学
研究生
注意，其实初中、高中之间的差别，和高中、大学之间的差别，是不一样的。这是次序数据的主要限制，次序值之间的差别是未知的。因此，次序值通常用于衡量非数值特征，例如愉悦程度、客户满意度。

数值数据
离散数据

离散数据（discrete data）的值是不同而分散的，换句话说，只能接受一些特定值。这类数据无法测量但可以计数。它基本上用来表示可以分类的信息。例如，抛100次硬币正面向上的次数。

你可以通过以下两个问题检查你处理的是否是离散数据：你可以对其计数吗？它可以被切分成越来越小的部分吗？

相反，如果数据可以测量但无法计数，那就是连续数据。

连续数据

连续数据（continuous data）表示测量。例如身高。

连续数据可以分为等距数据（interval data）和等比数据（ratio data）。

等距值指间隔相等的有序单元，也就是说，等距变量包含有序数值，并且我们知道这些数值之间的间隔。例如，用等距数据表示温度：

-10
-5
0
+5
+10
+15
等距值的问题在于，它们没有“真正的零”。拿上面的例子来说，0度不是绝对零度。另外，我们可以加减等距值，而不能乘除等距值或计算比率。由于没有“真正的零”，无法应用许多描述统计学或推论统计学的方法。

等比值具有等距值的所有特性，同时也有绝对的零。因此，不仅可以加减，还可以乘除。高度、重量、长度、绝对温度等都属于等比值。

数据类型为什么重要？
数据类型是一个非常重要的概念，因为统计学方法只能应用于特定的数据类型。你需要使用不同的方式分析连续数据和类别数据。因此，理解你处理的数据的类型，让你能够选择正确的分析方法。

下面我们将重新查看上面提到的每种数据类型，了解它们可以应用什么样的统计学方法。为了理解我们将讨论的一些性质，你需要对描述性统计学有所了解。如果你对此不熟悉，可以先看下我写的描述性统计学介绍。

统计学方法
名目数据

处理名目数据时，你通过下述方式收集信息：

频数 在一段时间内或整个数据集中出现的次数。
比例 频数除以所有事件的频数之和，即可得到比例。
百分比 我想这无需解释了吧。
众数 出现次数最多，也就是频数最高的数据。
可视化方法 你可以使用饼图或直方图可视化名目数据。
统计学常用数据类型
左：饼图；右：直方图

次序数据

当你处理次序数据时，你可以使用以上用于名目数据的方法，不过，除此之外，你还可以使用一些额外的工具。也就是说，你可以使用频数、比例、百分比、众数概括次序数据，也可以使用饼图、直方图可视化次序数据。除此之外，你还可以使用：

百分位数 计算由小到大排列的次序数据的累计百分位，某一百分位对应的数据值就称为这一百分位的百分位数。百分位数可以用来描述数据的离散趋势。
中位数 即第50百分位数，它将数据分为相等的上下两部分。中位数可以用来描述数据的中间趋势。例如，如果我们用次序数据表示星巴克咖啡的容量：中杯、大杯、特大杯。那么，其中位数为大杯（也就是说，真正的中杯是大杯）。
四分位距 第75百分位数与第25百分位数之差即为四分位距。四分位距可以简要概述数据的离散趋势。
连续数据

大多数统计学方法都可以用于连续数据。你可以使用百分位数、中位数、四分位距、均值、众数、标准差、区间。

你可以使用矩形图或箱形图可视化连续数据。从矩形图上可以看到分布的中间趋势、离散程度、形态和峰态。注意，矩形图不体现离散值，因此我们有时使用箱形图。

F. 常见的数据统计方法有什么

常见的数据统计方法有：表格、折线统计图、条形统计图、扇形统计图。举一个例子来具体分说明一下，比如说：我在淘宝开了个童装店，为了方便统计每半个月的销售额，现在用以上这四种统计方法来演示一下。

1.表格就是通过画格子的方式来统计数据，在这里可以画三行横线，得到两条细长的格子，再把这两行均匀的分为15个上下格子。横一为日期，横二为销售额，半个月下来都填进去就一目了然。

2.折线是通过画点，把15天的销售额都连成一条折线，通过上下起伏来看波动的数据。先画一“L”形，横线作日期，竖线作销售额，销售额可以自己写一个数，一直往上数与数之间相差一样。均匀的把横竖线分为15份，每个日期对应多少销售额，就在“L”的半框里，以对应的日期和销售画横线和竖线，交叉的位置取一点。然后每天如此，再用直线连接这15个点，就能清楚的看到这半个月哪一天销售最好，哪一天销售垫底。

3.条形统计图作出的是条状的数据统计图，和折线统计图一样，画“L”，横为日期竖为销售额。只不过这里不画点点，画倒立的长方形，然后通过高高低低的条形图来分析半个月的销售额。

4.扇形统计图就是把一个圆形，平均分为15份，一个月下来把所有的日销售额加起来，用当天的数据除以总数，乘以百分数。每一分里写上日期和当天销售额占总数的百分比，用这个百分数来统计半个月的数据。每个图的做法都不一样，但表达的意思都是同样的，这就是日常生活中最常见的几种数据统计。