描述性分析

一、什么是描述统计分析（Descriptive Analysis）概念：使用几个关键数据来描述整体的情况描述性数据分析属于比较初级的数据分析，常见的分析方法包括对比分析法、平均分析法、交叉分析法等。

描述性统计分析要对调查总体所有变量的有关数据做统计性描述，主要包括数据的频数分析、数据的集中趋势分析、数据离散程度分析、数据的分布、以及一些基本的统计图形。

Excel里的分析工具库里的数据分析可以实现描述性统计分析的功能。

描述性统计分析即是对数据源最初的认知，包括数据的集中趋势、分散程度以及频数分布等，了解了这些后才能去做进一步的分析。

二、常用指标均值、中位数、众数体现了数据的集中趋势。

极差、方差、标准差体现了数据的离散程度。

偏度、峰度体现了数据的分布形状。

1、均值。

均值容易受极值的影响，当数据集中出现极值时，所得到的的均值结果将会出现较大的偏差。

2、中位数：数据按照从小到大的顺序排列时，最中间的数据即为中位数。

当数据个数为奇数时，中位数即最中间的数，如果有N个数，则中间数的位置为(N+1)/2；当数据个数为偶数时，中位数为中间两个数的平均值，中间位置的算法是(N+1)/2。

中位数不受极值影响，因此对极值缺乏敏感性。

3、众数：数据中出现次数最多的数字，即频数最大的数值。

众数可能不止一个，众数不能能用于数值型数据，还可用于非数值型数据，不受极值影响。

4、极差：=最大值-最小值，是描述数据分散程度的量，极差描述了数据的范围，但无法描述其分布状态。

且对异常值敏感，异常值的出现使得数据集的极差有很强的误导性。

5、四分位数：数据从小到大排列并分成四等份，处于三个分割点位置的数值，即为四分位数，四分位数分为上四分位数（数据从小到大排列排在第75%的数字，即最大的四分位数）、下四分位数（数据从小到大排列排在第25%位置的数字，即最小的四分位数）、中间的四分位数即为中位数。

四分位数可以很容易地识别异常值。

箱线图就是根据四分位数做的图。

描述性统计分析报告引言：统计数据是现代社会中不可或缺的一部分，它为我们提供了了解各种现象和现实情况的重要工具。

在本篇文章中，我们将进行一项关于某地区居民收入的描述性统计分析，通过对数据的分析和解释，将展示出居民收入的整体状况以及在不同人口群体之间的差异。

数据来源和样本：本次统计分析所用的数据来自于某地区政府统计部门的年度统计报告，并且涵盖了该地区所有居民的收入情况。

样本总数为1000，通过随机抽样方式选取了不同年龄、教育水平、职业和家庭收入水平的居民。

总体数据分析：1. 平均收入：通过对数据进行计算，我们得出该地区居民的平均收入为12000元。

2. 中位数：进行中位数的计算后，我们发现该地区居民的中位数收入为10000元。

3. 众数：进行众数的计算后，我们发现该地区居民的众数收入为8000元。

居民收入差异分析：1. 年龄差异：我们将居民按照年龄分组，并计算每个年龄组的平均收入。

结果显示，年龄在25岁到34岁之间的居民平均收入最高，为15000元，而年龄在55岁以上的居民平均收入最低，为8000元。

2. 教育水平差异：根据居民的教育水平进行分组，并计算每个组的平均收入。

结果显示，高中及以下文凭的居民平均收入最低，为8000元，而拥有本科及以上学历的居民平均收入最高，为15000元。

3. 职业差异：我们将居民按照职业进行分组，并计算每个职业的平均收入。

结果显示，专业人士和经理人员的平均收入最高，为20000元，而服务和销售行业的居民平均收入最低，为8000元。

4. 家庭收入差异：我们将居民按照家庭收入水平进行分组，并计算每个组的平均收入。

结果显示，家庭收入水平较高的居民平均收入较高，为16000元，而家庭收入水平较低的居民平均收入较低，为10000元。

结论：通过对该地区居民收入数据的描述性统计分析，我们可以得出以下结论：该地区居民的平均收入为12000元，中位数为10000元，众数为8000元。

同时，在不同人口群体之间存在明显的收入差异，包括年龄、教育水平、职业和家庭收入水平等方面。

样本人口统计学描述性分析描述性研究（descriptive study）又称描述流行病学（descriptive epidemiology），它是利用已有的资料或通过专门调查所得到的资料，按照不同人群、地区、时间特征进行分组，计算和比较疾病的频率指标，把疾病或健康状态的分布情况真实地描述出来，为进一步的流行病学研究提供基础资料。

从流行病学研究程序上讲，描述性研究是流行病学研究的起点，通过描述性研究可以发现人群或社区中存在的主要的健康、疾病问题及其危险因素，了解人群或社区中的疾病、行为危险因素及其他公共卫生问题的分布规律，提出初步的病因线索，并在此基础上进一步开展分析性研究和实验研究来验证病因假说，或者根据描述性研究中发现的人群或社区中的公共卫生问题开展干预研究。

描述性研究需要了解疾病的人群、地区和时间分布特征及流行强度，是最基础的流行病学研究方法，因此，本章将首先讨论疾病的分布（distribution of disease）及流行强度，然后介绍描述流行病学的研究方法，包括病例报告（case reports）、病例系列（case series）、生态学研究（ecological study）及现况研究（cross-sectional study）。

第一节疾病分布对疾病频率在不同人群、时间和地区发生情况的描述称为疾病分布。

收集和分析这三种特征分布的数据十分重要。

首先，研究者可以熟悉疾病分布数据和公共卫生问题的严重程度。

其次，可以提供人群中公共卫生问题的详尽描述，并将这些结果应用于交流与反馈。

第三，这种分析可以确定患某种疾病的高危人群。

疾病分布的信息为探索病因提供重要线索，这些线索可形成待检验的病因假设。

一、人群分布在描述疾病的人群分布时，根据人群不同的自然属性（如性别、年龄、民族）、后天属性（免疫或婚姻状况）、工作和行为特征（职业、休闲活动、药物/烟草/毒品使用）以及生活状况（社会经济状况、医疗保健水平）整理和分析数据。

描述性统计分析描述性统计分析是一种通过对数据进行收集、整理、汇总、展示和解释，来揭示数据特征、分布和趋势的方法。

它是统计学中最基础的分析方法之一，广泛应用于各个领域的数据研究与决策中。

本文将简要介绍描述性统计分析的基本概念、常用方法和应用场景。

一、描述性统计分析的基本概念描述性统计分析是通过对数据的常见统计指标进行计算和分析，来描述数据的集中趋势、离散程度和分布情况。

常见的统计指标包括：均值、中位数、众数、极差、标准差、方差等。

这些指标可以帮助我们更好地理解和概括数据的特征，从而进行合理的数据解读和决策。

二、描述性统计分析的常用方法1. 数据收集：首先需要确定所需数据的来源和采集方法，可以通过问卷调查、实地观察、抽样调查等方式来收集相关数据。

2. 数据整理和清洗：对收集到的数据进行整理和清洗，包括缺失值的处理、异常值的剔除，确保数据的准确和完整。

3. 数据汇总和展示：将数据进行汇总，并通过图表等形式进行可视化展示，以便更直观地观察数据的特征和趋势。

4. 统计指标计算：通过计算均值、中位数、众数、标准差等统计指标，揭示数据的集中趋势和离散程度。

5. 数据解释和分析：根据计算得到的统计指标，对数据的特征和分布进行解释和分析，从中提取有价值的信息。

三、描述性统计分析的应用场景1. 社会科学研究：在社会学、心理学、教育学等领域的研究中，描述性统计分析可以用来描绘人群的特征和行为规律，为研究提供数据支持。

2. 经济与金融分析：在经济学和金融学研究中，通过对经济指标和市场数据进行描述性统计分析，可以了解经济形势和市场趋势，从而指导决策。

3. 市场调研与营销：在市场调研和营销策划中，通过对受众、消费者数据进行描述性统计分析，可以更好地了解目标市场和消费群体的需求和偏好。

4. 医学与健康研究：在医学和健康研究中，通过对患者数据和健康指标进行描述性统计分析，可以了解疾病的发病率、死亡率等情况，为医疗决策提供依据。

统计学描述性统计分析报告引言描述性统计分析是统计学中最基础的分析方法之一，它旨在通过统计量来描述和总结数据的特征和分布情况。

描述性统计分析广泛应用于各个领域，帮助人们理解观察数据并得出合理的结论。

本报告将对某项调查数据进行描述性统计分析，以揭示数据的关键特征和变量之间的关系。

数据来源我们的研究数据来自一项关于消费者消费行为的调查。

该调查采集了1000份有效问卷，涵盖了消费者基本信息以及其购买偏好、消费习惯等方面的数据。

下文将对调查数据进行详细的描述性统计分析。

描述性统计分析结果基本信息统计分析我们首先对参与调查的消费者的基本信息进行统计分析。

调查数据显示，参与者的年龄分布范围在18岁至60岁之间，平均年龄为38岁；性别比例大致相等，男性占52%；另外，我们还统计了参与者的教育水平，其中高中及以下学历者占35%，大专及本科学历者占40%，研究生及以上学历者占25%。

这些统计结果可用表格展示如下：统计指标年龄性别教育水平平均值38岁- -最小值18岁- -最大值60岁- -比例- 52%男35%高中及以下，40%大专及本科，25%研究生及以上购买偏好统计分析在购买偏好方面，我们统计了参与者对不同产品类别的喜好程度。

调查结果显示，在电子产品方面，参与者对手机的兴趣最高，占比达45%，其次为电视（30%），电脑（20%）和音响（5%）。

在服装类别中，参与者对休闲服装的关注度最高，占比为40%，紧随其后的是正装（30%），运动装（20%）和内衣（10%）。

这些统计结果可用表格展示如下：产品类别感兴趣程度电子产品-手机45%电视30%电脑20%音响5%服装-休闲服装40%正装30%运动装20%内衣10%消费习惯统计分析除了购买偏好，我们还对参与者的消费习惯和行为进行了统计分析。

我们关注的指标包括每月购买产品的次数、每次购物的预算以及喜欢采购的渠道。

调查数据显示，参与者每月平均购买产品的次数为8次，每次购物的平均预算为￥500，最喜欢的采购渠道为线上购物（60%），其次是实体店（40%）。

描述性分析定义应用描述性分析发展史 基本原理评价员表现描述性分析方法定义描述性检验是食品感官领域中测定食品质量特征的主要方法，也是最复杂、应用最广泛的方法。

要求经过训练的评价员对食品的各个感官属性进行定性描述和定量检测。

1）检测（区分）；2）产品的感官属性描述（定性）；3）以上感官属性的强度值（定量）；由5-20名经培训的评价员完成感官评定和描述性分析感官评定喜好度检验分析型检验差别检验描述性检验风味剖面喜好度检验质构剖面自由选择剖面蛛网图分析定量描述性分析（QDA）描述性分析应用描述性分析方法主要是用来获得食品、饮料等的外观、气味、风味和质构的细节特征描述、个人护理用品的质感、织布的手感等等，即各类产品的感官特征。

定义目标产品的感官特性和为新产品开发提供理想产品特性的依据追踪产品的感官特性在货架期内的变化将产品的感官属性与仪器分析的理化特性结合分析•颜色•质构•风味在进行消费者测试之前，结合产品的感官属性，来设计问卷及更有效地理解消费者测试数据；描述性分析发展史第一个正式地、系统地描述性分析过程被称为：风味剖面分析1949年，由Cairncross和Sjostrom建立的在风味剖面分析之前，一些不系统地、不正式地描述性分析方法包括：•早期的化学家常使用他们的嗅觉去定义一些化学物质的感官特性•专业闻香师等长期建立和使用描述词。

红酒、茶、咖啡等其他传统行业的专家长期使用描述性语言去定义他们的产品而普通消费者，每天都在使用不正式的描述性分析描述性分析中的里程碑：●定量描述性分析（QDA）1974年H. Stone, J.Sidel等人建立1970s US和UK的酿酒●啤酒风味轮的建立1970s US和UK的酿酒科学家专家决定红酒品质好坏到描述性分析1960s-1970s，加州大学戴维斯分校，M.Amerine戴维斯分校&加州红酒行业A.Noble描述性分析基本原理描述性分析方法的基本原理或组成：•描述性语言 = 定性方面•强度标尺 = 定量方面大部分描述性分析方法的基本步骤：•筛选评价员及基础培训•建立属性术语•建立属性的定义及参照样•形成评分表（属性的顺序、评价过程和标度）•培训评价员（小组培训、个人培训）•考核评价员•产品描述性分析（产品的实际评价）建立属性术语描述性术语：产品中可识别的感官属性，也被称为：感官特征、描述性词汇、描述词、属性、描述性专业术语等描述性术语初建来源：•词汇库•文献•评价员自己形成术语建立：•实验人员向评价员提供一系列有代表性的产品（从待评价的产品中挑选）•评价员对这些产品进行描述(主要集中在能区分样品的属性上）术语建立方法：•筛选频率较高的属性（外观、气味、风味、基本味及质构），保留频次 > 30% •合并有充分定义的属性；更换或删除较难理解的属性•确定初步描述词描述性术语确定的规则：•客观的•独有的（无重复）•易理解的•可被译成其他语言•其参照样易准备风味或香气轮的建立：•威士忌行业（UK）•酿造行业（UK和US）•红酒行业（US）强度评分标尺：•有些方法让评价员按照自己的方式使用标尺，只要能区分产品及与其他评价员保持一致即可）；•其他方法校准评价员使用标尺的方式完全一样，即需大量培训，对于指定样品给出相同的分值概念一致化：评价员对于属性术语的理解是一致的：•认真定义术语及其评价方式•针对大部分属性，准备参照样/标样定义及评价方式：•弹性：样品第一次压缩后能够再恢复的程度；对于粽子，可用手指压缩一次能够回复的程度；•粘性：米粒对嘴唇的黏附程度；•咀嚼性：样品在吞咽前所需咀嚼的次数；•残留固形物含量：吞咽后口腔残留的松散的颗粒物含量。