通过直方图如何看数据分布特征

1. 直方图能直观反应一组数据的分布的特征，用直方图可以观察什么

1. 分类数据描野此举述
（1） 频数分布表——单变量分布表

主要用于计数和汇总一个分类变量的数据，通过它可以使频数、比例等一目了然，从而为进一步分析做准备。

（2） 频数分布表——双变量列联表

主要用于计数和汇总两个分类变量的数据，通过它可以使两个变量交叉分类的频数、比例等一目了然，从而为进一步分析做准备。

（3） 条形图

它可以用来展示各类别的绝对值和数据的分布特征。它通过相同宽度条形的长短来表示各类别的数值大小。

（4） 帕累托图

它可以用来比较各类别的频数大小。它是按各类别数据出现的频数多少排序后绘制的条形图，通过对条形图的排序，容易看出哪类数据出现得多，哪类数据出现的少。

（5） 饼图

它可以用来展示一个样本的结构。它通过一个圆来表示总的数值大小，用圆内各扇形的角度来表示各类别的数值大小。

（6） 环形图

它可以显示多个样本各部分所占的相应比例，从而用来比较多个样本的结构。它是把饼图叠在一起，挖去中间的部分；图中每一个环都表示一个样本，样本中的每一部分数据则用环中的一段表示。

此外，还有马赛克图、脊柱图、扇形图等，因为用得较少，此处不再一一详述。颂碧

2. 顺序数据描述
（1） 频数分布表——累计频数分布表

主要用于计数和汇总顺序变量的数据，通过它可以使频数、比例、累积频数、累积频率等一目了然，从而为进一步分析做准备。

（2） 累计频数分布图

主要是用于展示顺序变量的累积频数分布情况。它是将各类别按级别大小进行升序或降序排列在横坐标上，用纵坐标表示各类别的频率，然后用折线绘制出累积频率。

3. 数值型数据描述
（1） 频数分布表——分组表

主要是用于计数和汇总数值型分组数据。通过它可以使分组后的频数、比例等一目了然，从而为进一步分析做准备。

用于展示数据分布特征的图形主要有以下几种：

（2） 直方图

它可以用来展示分组数据的分布特征。它用矩形的面积来表示频数分布，在矩形的高度表示每一组的频数或频率，宽度则表示各组的组距。

直方图与条形图的区别与联系：

区别：条形图主要用来展示分类数据，其高度表示各类别频数的多少，其宽度是固定的；直方图则主要是用于展示数值型分组数据，是用面积表示频数分布，矩形的高度表示每一组的频数或频率，宽度则表示各组的组距，因此其高度和宽度均有意义。且由于分组数据具有扒手连续性，直方图的各矩形通常是连续排列的，而条形图则是分开排列的。

联系：二者都用来展示数据的分布情况；在平面直角坐标系中，二者的横轴都表示分组，纵轴都可表示频数或频率大小。

2. 如何分析数据之间的分布类型

分析数据之间的分布类型的方法：

首先根据样本点特征判断是离散型还是连续型。

离散型分布常用的有二项分布，泊松分布，离散均匀分布，几何分布，超几何分布等等。可以根据直方图判断大概的分布类型，然后估计相应的分布参数，最后用goodness of fit检验。

连续型分布常用的有正态分布，t-分布，F-分布，卡方分布，指数分布，Gamma-分布，Beta-分布等等。同样根据直方图判断大概的分布类型，然后估计相应的分布参数。检验部分可用KS检验（Kolmogorov-Smirnov检验）。

(2)通过直方图如何看数据分布特征扩展阅读：

统计学常用方法：

一、描述统计

描述统计是通过图表或数学方法，对数据资料进行整理、分析，并对数据的分布状态、数字特征和随机变量之间关系进行估计和描述的方法。描述统计分为集中趋势分析和离中趋势分析和相关分析三大部分。

集中趋势分析：集中趋势分析主要靠平均数、中数、众数等统计指标来表示数据的集中趋势。例如被试的平均成绩多少？是正偏分布还是负偏分布？

离中趋势分析：离中趋势分析主要靠全距、四分差、平均差、方差（协方差：用来度量两个随机变量关系的统计量）、标准差等统计指标来研究数据的离中趋势。

相关分析：相关分析探讨数据之间是否具有统计学上的关联性。

推论统计：

推论统计是统计学乃至于心理统计学中较为年轻的一部分内容。它以统计结果为依据，来证明或推翻某个命题。

正态性检验：很多统计方法都要求数值服从或近似服从正态分布，所以之前需要进行正态性检验。常用方法：非参数检验的K-量检验、P-P图、Q-Q图、W检验、动差法。

二、假设检验

1、参数检验

参数检验是在已知总体分布的条件下（一股要求总体服从正态分布）对一些主要的参数(如均值、百分数、方差、相关系数等）进行的检验。

1）U验 ：使用条件：当样本含量n较大时，样本值符合正态分布。

2）T检验 使用条件：当样本含量n较小时，样本值符合正态分布。

2、非参数检验

非参数检验则不考虑总体分布是否已知，常常也不是针对总体参数，而是针对总体的某些一股性假设（如总体分布的位罝是否相同，总体分布是否正态）进行检验。

适用情况：顺序类型的数据资料，这类数据的分布形态一般是未知的。

A、虽然是连续数据，但总体分布形态未知或者非正态；

B、体分布虽然正态，数据也是连续类型，但样本容量极小，如10以下；

主要方法包括：卡方检验、秩和检验、二项检验、游程检验、K-量检验等。

三、信度分析

介绍：信度（Reliability）即可靠性，它是指采用同样的方法对同一对象重复测量时所得结果的一致性程度。信度指标多以相关系数表示，大致可分为三类：稳定系数（跨时间的一致性），等值系数（跨形式的一致性）和内在一致性系数（跨项目的一致性）。信度分析的方法主要有以下四种：重测信度法、复本信度法、折半信度法、α信度系数法。

四、相关分析

研究现象之间是否存在某种依存关系，对具体有依存关系的现象探讨相关方向及相关程度。

1、单相关： 两个因素之间的相关关系叫单相关，即研究时只涉及一个自变量和一个因变量；

2、复相关 ：三个或三个以上因素的相关关系叫复相关，即研究时涉及两个或两个以上的自变量和因变量相关；

3、偏相关：在某一现象与多种现象相关的场合，当假定其他变量不变时，其中两个变量之间的相关关系称为偏相关。

五、方差分析

使用条件：各样本须是相互独立的随机样本；各样本来自正态分布总体；各总体方差相等。

六、回归分析

1、一元线性回归分析：只有一个自变量X与因变量Y有关，X与Y都必须是连续型变量，因变量y或其残差必须服从正态分布。

2、多元线性回归分析

使用条件：分析多个自变量与因变量Y的关系，X与Y都必须是连续型变量，因变量y或其残差必须服从正态分布 。