频率分布直方图与茎叶图概述

一．随机抽样1．随机抽样：满足每个个体被抽到的机会是均等的抽样，共有三种经常采用的随机抽样方法：⑴简单随机抽样：从元素个数为N 的总体中不放回地抽取容量为n 的样本，如果每一次抽取时总体中的各个个体有相同的可能性被抽到，这种抽样方法叫做简单随机抽样． 抽出办法：①抽签法：用纸片或小球分别标号后抽签的方法．②随机数表法：随机数表是使用计算器或计算机的应用程序生成随机数的功能生成的一张数表．表中每一位置出现各个数字的可能性相同． 随机数表法是对样本进行编号后，按照一定的规律从随机数表中读数，并取出相应的样本的方法．简单随机抽样是最简单、最基本的抽样方法．⑵系统抽样：将总体分成均衡的若干部分，然后按照预先制定的规则，从每一部分抽取一个个体，得到所需要的样本的抽样方法．抽出办法：从元素个数为N 的总体中抽取容量为n 的样本，如果总体容量能被样本容量整除，设Nk n=，先对总体进行编号，号码从1到N ，再从数字1到k 中随机抽取一个数s 作为起始数，然后顺次抽取第2(1)s k s k s n k +++-L ，，，个数，这样就得到容量为n 的样本．如果总体容量不能被样本容量整除，可随机地从总体中剔除余数，然后再按系统抽样方法进行抽样．系统抽样适用于大规模的抽样调查，由于抽样间隔相等，又被称为等距抽样．⑶分层抽样：当总体有明显差别的几部分组成时，要反映总体情况，常采用分层抽样，使总体中各个个体按某种特征分成若干个互不重叠的几部分，每一部分叫做层，在各层中按层在总体中所占比例进行简单随机抽样，这种抽样方法叫做分层抽样．分层抽样的样本具有较强的代表性，而且各层抽样时，可灵活选用不同的抽样方法，应用广泛．2．简单随机抽样必须具备下列特点：⑴简单随机抽样要求被抽取的样本的总体个数N 是有限的． ⑵简单随机样本数n 小于等于样本总体的个数N ． ⑶简单随机样本是从总体中逐个抽取的． ⑷简单随机抽样是一种不放回的抽样．⑸简单随机抽样的每个个体入样的可能性均为nN．3．系统抽样时，当总体个数N 恰好是样本容量n 的整数倍时，取Nk n=；若Nn不是整数时，先从总体中随机地剔除几个个体，使得总体中剩余的个体数能被样本容量n 整除．因为每个个体被剔除的机会相等，因而整个抽样过程中每个个体被抽取的机会仍知识内容板块二.频率直方图然相等，为N n．二．频率直方图列出样本数据的频率分布表和频率分布直方图的步骤：①计算极差：找出数据的最大值与最小值，计算它们的差；②决定组距与组数：取组距，用极差组距决定组数；③决定分点：决定起点，进行分组；④列频率分布直方图：对落入各小组的数据累计，算出各小数的频数，除以样本容量，得到各小组的频率．⑤绘制频率分布直方图：以数据的值为横坐标，以频率组距的值为纵坐标绘制直方图，知小长方形的面积＝组距×频率组距＝频率．频率分布折线图：将频率分布直方图各个长方形上边的中点用线段连接起来，就得到频率分布折线图，一般把折线图画成与横轴相连，所以横轴左右两端点没有实际意义．总体密度曲线：样本容量不断增大时，所分组数不断增加，分组的组距不断缩小，频率分布直方图可以用一条光滑曲线()y f x =来描绘，这条光滑曲线就叫做总体密度曲线．总体密度曲线精确地反映了一个总体在各个区域内取值的规律．三．茎叶图制作茎叶图的步骤：①将数据分为“茎”、“叶”两部分；②将最大茎与最小茎之间的数字按大小顺序排成一列，并画上竖线作为分隔线； ③将各个数据的“叶”在分界线的一侧对应茎处同行列出．四．统计数据的数字特征用样本平均数估计总体平均数；用样本标准差估计总体标准差． 数据的离散程序可以用极差、方差或标准差来描述．极差又叫全距，是一组数据的最大值和最小值之差，反映一组数据的变动幅度； 样本方差描述了一组数据平均数波动的大小，样本的标准差是方差的算术平方根． 一般地，设样本的元素为12n x x x L ，，，样本的平均数为x ， 定义样本方差为222212()()()n x x x x x x s n-+-++-=L ，样本标准差s =简化公式：22222121[()]n s x x x nx n=+++-L ．五．独立性检验1．两个变量之间的关系；常见的有两类：一类是确定性的函数关系；另一类是变量间存在关系，但又不具备函数关系所要求的确定性，它们的关系是带有一定随机性的．当一个变量取值一定时，另一个变量的取值带有一定随机性的两个变量之间的关系叫做相关关系． 2．散点图：将样本中的n 个数据点()(12)i i x y i n =L ，，，，描在平面直角坐标系中，就得到了散点图．散点图形象地反映了各个数据的密切程度，根据散点图的分布趋势可以直观地判断分析两个变量的关系．3．如果当一个变量的值变大时，另一个变量的值也在变大，则这种相关称为正相关；此时，散点图中的点在从左下角到右上角的区域．反之，一个变量的值变大时，另一个变量的值由大变小，这种相关称为负相关．此时，散点图中的点在从左上角到右下角的区域．散点图可以判断两个变量之间有没有相关关系．4．统计假设：如果事件A 与B 独立，这时应该有()()()P AB P A P B =，用字母0H 表示此式，即0:()()()H P AB P A P B =，称之为统计假设． 5．2χ（读作“卡方”）统计量：统计学中有一个非常有用的统计量，它的表达式为22112212211212()n n n n n n n n n χ++++-=，用它的大小可以用来决定是否拒绝原来的统计假设0H ．如果2χ的值较大，就拒绝0H ，即认为A 与B 是有关的．2χ统计量的两个临界值：3.841、6.635；当2 3.841χ>时，有95%的把握说事件A 与B 有关；当2 6.635χ>时，有99%的把握说事件A 与B 有关；当2 3.841χ≤时，认为事件A 与B 是无关的．独立性检验的基本思想与反证法类似，由结论不成立时推出有利于结论成立的小概率事件发生，而小概率事件在一次试验中通常是不会发生的，所以认为结论在很大程度上是成立的． 1．独立性检验的步骤：统计假设：0H ；列出22⨯联表；计算2χ统计量；查对临界值表，作出判断．2．几个临界值：222()0.10( 3.841)0.05( 6.635)0.01P P P χχχ≈≈≈≥2.706，≥，≥．22⨯联表的独立性检验：如果对于某个群体有两种状态，对于每种状态又有两个情况，这样排成一张22⨯的表，如下：如果有调查得来的四个数据11122122n 4个数据来检验上述的两种状态A 与B 是否有关，就称之为22⨯联表的独立性检验．六．回归分析1．回归分析：对于具有相关关系的两个变量进行统计分析的方法叫做回归分析，即回归分析就是寻找相关关系中这种非确定关系的某种确定性． 回归直线：如果散点图中的各点都大致分布在一条直线附近，就称这两个变量之间具有线性相关关系，这条直线叫做回归直线． 2．最小二乘法：记回归直线方程为：ˆy a bx =+，称为变量Y 对变量x 的回归直线方程，其中a b ，叫做回归系数．ˆy是为了区分Y 的实际值y ，当x 取值i x 时，变量Y 的相应观察值为i y ，而直线上对应于i x 的纵坐标是ˆi i ya bx =+． 设x Y ，的一组观察值为()i i x y ，，12i n =L ，，，，且回归直线方程为ˆya bx =+， 当x 取值i x 时，Y 的相应观察值为i y ，差ˆ(12)i i y y i n -=L ，，，刻画了实际观察值i y 与回归直线上相应点的纵坐标之间的偏离程度，称这些值为离差．我们希望这n 个离差构成的总离差越小越好，这样才能使所找的直线很贴近已知点． 记21()ni i i Q y a bx ==--∑，回归直线就是所有直线中Q 取最小值的那条．这种使“离差平方和为最小”的方法，叫做最小二乘法．用最小二乘法求回归系数a b ，有如下的公式：1221ˆni ii nii x ynxy bxnx ==-=-∑∑，ˆˆa y bx =-，其中a b ，上方加“^”，表示是由观察值按最小二乘法求得的回归系数．3．线性回归模型：将用于估计y 值的线性函数a bx +作为确定性函数；y 的实际值与估计值之间的误差记为ε，称之为随机误差；将y a bx ε=++称为线性回归模型． 产生随机误差的主要原因有：①所用的确定性函数不恰当即模型近似引起的误差； ②忽略了某些因素的影响，通常这些影响都比较小； ③由于测量工具等原因，存在观测误差． 4．线性回归系数的最佳估计值：利用最小二乘法可以得到ˆˆab ，的计算公式为 1122211()()()()nnii iii i nniii i xx y y x ynxybxx xn x ====---==--∑∑∑∑$，ˆˆa y bx =-，其中11n i i x x n ==∑，11nii y y n ==∑ 由此得到的直线ˆˆya bx =+$就称为回归直线，此直线方程即为线性回归方程．其中ˆa ，b $分别为a ，b 的估计值，ˆa称为回归截距，b $称为回归系数，ˆy 称为回归值． 5．相关系数：()()nnii i ixx y y x ynx yr ---==∑∑6．相关系数r 的性质：⑴||1r ≤；⑵||r 越接近于1，x y ，的线性相关程度越强； ⑶||r 越接近于0，x y ，的线性相关程度越弱．可见，一条回归直线有多大的预测功能，和变量间的相关系数密切相关． 7．转化思想：根据专业知识或散点图，对某些特殊的非线性关系，选择适当的变量代换，把非线性方程转化为线性回归方程，从而确定未知参数． 8．一些备案 ①回归（regression ）一词的来历：“回归”这个词英国统计学家Francils Galton 提出来的．1889年，他在研究祖先与后代的身高之间的关系时发现，身材较高的父母，他们的孩子也较高，但这些孩子的平均身高并没有他们父母的平均身高高；身材较矮的父母，他们的孩子也较矮，但这些孩子的平均身高却比他们父母的平均身高高．Galton 把这种后代的身高向中间值靠近的趋势称为“回归现象”．后来，人们把由一个变量的变化去推测另一个变量的变化的方法称为回归分析．②回归系数的推导过程：22222[()]222i i i i i i i i Q y a bx y a y na b x y ab x b x =--=-+-++∑∑∑∑∑∑ 22222()2i i ii i i na a b x y b x b x y y =+-+-+∑∑∑∑∑，把上式看成a 的二次函数，2a 的系数0n >，因此当2()2i i i ib x y y b x a n n --=-=∑∑∑∑时取最小值． 同理，把Q 的展开式按b 的降幂排列，看成b 的二次函数，当2i iiix y a xb x-=∑∑∑时取最小值．解得：12221()()()ni iii i niii x ynxyx x y y b x x xnx==---==--∑∑∑∑，a y bx =-， 其中1i y y n =∑，1i x x n=∑是样本平均数． 9． 对相关系数r 进行相关性检验的步骤： ①提出统计假设0H ：变量x y ，不具有线性相关关系；②如果以95%的把握作出推断，那么可以根据10.950.05-=与2n -（n 是样本容量）在相关性检验的临界值表中查出一个r 的临界值0.05r （其中10.950.05-=称为检验水平）； ③计算样本相关系数r ；④作出统计推断：若0.05||r r >，则否定0H ，表明有95%的把握认为变量y 与x 之间具有线性相关关系；若0.05||r r ≤，则没有理由拒绝0H ，即就目前数据而言，没有充分理由认为变量y 与x 之间具有线性相关关系． 说明：⑴对相关系数r 进行显著性检验，一般取检验水平0.05α=，即可靠程度为95%．⑵这里的r 指的是线性相关系数，r 的绝对值很小，只是说明线性相关程度低，不一定不相关，可能是非线性相关的某种关系．⑶这里的r 是对抽样数据而言的．有时即使||1r =，两者也不一定是线性相关的．故在统计分析时，不能就数据论数据，要结合实际情况进行合理解释．题型一 频率分布直方图【例1】 （2010西城二模）某区高二年级的一次数学统考中，随机抽取200名同学的成绩，成绩全部在50分至100分之间，将成绩按如下方式分成5组：第一组，成绩大于等于50分且小于60分；第二组，成绩大于等于60分且小于70分；……第五组，成绩大于等于90分且小于等于100分，据此绘制了如图所示的频率分布直方图．则这200名同学中成绩大于等于80分且小于90分的学生有______名．典例分析【例2】 （2010东城二模）已知一个样本容量为100的样本数据的频率分布直方图如图所示，样本数据落在[6,10)内的样本频数为 ，样本数据落在[2,10)内的频率为 ．【例3】 （2010北京）从某小学随机抽取100名同学，将他们的身高（单位：厘米）数据绘制成频率分布直方图（如图）．由图中数据可知a = ．若要从身高在[)120,130，[)130,140，[]140,150三组内的学生中，用分层抽样的方法选取18人参加一项活动，则从身高在[]140,150内的学生中选取的人数应为 ．【例4】 （2010江苏高考）某棉纺厂为了了解一批棉花的质量，从中随机抽取了100根棉花纤维的长度（棉花纤维的长度是棉花质量的重要指标），所得数据都在区间[]540，中，其频率分布直方图如图所示，则其抽样的100根中，有____根在棉花纤维的长度小于20mm ．(mm)频率组距【例5】 （2009湖北15）下图是样本容量为200的频率分布直方图．根据样本的频率分布直方图估计，样本数据落在[)610，内的频数为 ，数据落在[)210，内的概率约为 ．【例6】 （2009福建3）A ．0.13B ．0.39C ．0.52D ．0.64【例7】 某校为了了解学生的课外阅读情况，随机调查了50名学生，得到他们在某一天各自课外阅读所用时间的数据，结果用下面的条形图表示，根据条形图可得这50名学生这一天平均每人的课外阅读时间为（ ）时间(h)A ．0.6hB ．0.9hC ．1.0hD ．1.5h【例8】 为了调查某厂工人生产某种产品的能力，随机抽查了20位工人某天生产该产品的数量．产品数量的分组区间为[)4555，，[)5565，，[)6575，，[)7585，，[)8595，由此得到频率分布直方图如图3，则这20名工人中一天生产该产品数量在[)5575，的人数是 ．产品数量0.0200.0150.0100.005【例9】 （2009山东8）某工厂对一批产品进行了抽样检测．右图是根据抽样检测后的产品净重（单位：克）数据绘制的频率分布直方图，其中产品净重的范围是[96106]，，样本数据分组为[)9698，，[)98100，，[)100102，，[)102104，，[104106]，．已知样本中产品净重小于100克的个数是36，则样本中净重大于或等于98克并且小于104克的产品的个数是（ ）A ．90B ．75C ．60D ．45【例10】 某路段检查站监控录象显示，在某时段内，有1000辆汽车通过该站，现在随机抽取其中的200辆汽车进行车速分析，分析的结果表示为右图的频率分布直方图，则估计在这一时段内通过该站的汽车中速度不小于90km/h 的车辆数为（ ）A ．200B ．600C ．500D ．300【例11】 （2006年全国II ）一个社会调查机构就某地居民的月收入调查了10000人，并根据所得数据画了样本频率分布直方图，为了分析居民的收入与年龄、学历、职业等方面的联系，要从这10000人中用分层抽样的方法抽出100人做进一步调查，则在[25003000]，（元）月收入段应抽出_____人．0.00050.00040.00030.00020.0001频率组距月收入(元)【例12】 如图为某样本数据的频率分布直方图，则下列说法不正确的是（ ）0.1频率组距A ．[610)，的频率为0.32B ．若样本容量为100，则[1014)，的频数为40C ．若样本容量为100，则(10]-∞，的频数为40D ．由频率分布布直方图可得出结论：估计总体大约有10%分布在[1014)，【例13】 （2006北京模拟）下面是某学校学生日睡眠时间的抽样频率分布表：【例14】 （2010崇文一模）为了调查某厂2000名工人生产某种产品的能力，随机抽查了m 位工人某天生产该产品的数量，产品数量的分组区间为[)10,15，[)15,20，[)20,25，[)25,30，[30,35]，频率分布直方图如图所示．已知生产的产品数量在[)20,25之间的工人有6位．⑴求m ；10 15 20 25 30 35产品数量⑵工厂规定从各组中任选1人进行再培训，则选取5人不在同一组的概率是多少？【例15】 考查某校高三年级男生的身高，随机抽取40名高三男生，实测身高数据（单位：cm ）⑴ 作出频率分布表； ⑵ 画出频率分布直方图．【例16】 （2010陕西卷高考）为了解学生身高情况，某校以10%的比例对全校700名学生按性别进行出样检查，测得身高情况的统计图如下：/cm/cm⑴估计该小男生的人数；⑵估计该校学生身高在170~185cm 之间的概率； ⑶从样本中身高在165~180cm 之间的女生．．中任选2人，求至少有1人身高在170~180cm 之间的概率．【例17】 从某校高一年级的1002名新生中用系统抽样的方法抽取一个容量为100的身高样本，如下（单位：cm ）．作出该样本的频率分布表，画出频率分布直方图及折线图，并根据作出的频率分布直方图估计身高不小于170的同学的人数．【例18】 为了了解小学生的体能情况，抽取了某小学同年级部分学生进行跳绳测试，将所得的数据整理后画出频率分布直方图（如下图），已知图中从左到右的前三个小组的频率分别是0.10.30.4，，．第一小组的频数是5．⑴求第四小组的频率和参加这次测试的学生人数；⑵在这次测试中，学生跳绳次数的中位数落在第几小组内？ ⑶参加这次测试跳绳次数在100次以上为优秀，试估计该校此年级跳绳成绩优秀率是多少？【例19】 为了让学生了解环保知识，增强环保意识，某中学举行了一次“环保知识竞赛”，共有900名学生参加了这次竞赛． 为了解本次竞赛成绩情况，从中抽取了部分学生的成绩（得分均为整数，满分为100分）进行统计． 请你根据尚未完成并有局部污损的频率分布表和频数分布直方图，解答下列问题： ⑴ 填充频率分布表的空格（将答案直接填在表格内）； ⑵ 补全频数条形图；⑶ 若成绩在75．5~85．5分的学生为二等奖，问获得二等奖的学生约为多少人？【例20】 （2010丰台一模）某校高三（1）班的一次数学测试成绩的茎叶图和频率分布直方图都受到不同程度的破坏，但可见部分如下，据此解答如下问题．85987654322198653328698765叶茎6050分数频率组距0.040.0280.0160.008⑴求全班人数及分数在[)80,90之间的频数；⑵估计该班的平均分数，并计算频率分布直方图中[)80,90间的矩形的高；⑶若要从分数在[]80,100之间的试卷中任取两份分析学生失分情况，在抽取的试卷中，求至少有一份分数在[]90,100之间的概率．【例21】 某地区为了了解70~80岁老人的日平均睡眠时间（单位：h ）．随机选择了50位老人的进行调查．下表是这50位老人日睡眠时间的频率分布表．序号 （i ） 分组 （睡眠时间） 组中值 （i G ） 频数 （人数） 频率（i F ） 1 [4，5) 4.5 6 0.12 2 [5，6) 5.510 0.20 3 [6，7) 6.5 20 0.40 4 [7，8) 7.5 10 0.205[8，9]8.5 40.08在上述统计数据中，一部分计算见算法流程图（其中←可用=代替），则输出的S的值是．。

频率分布直方图与折线图及茎叶图1、频数条形图例1．下表是某学校一个星期中收交来的失物件数，请将5天中收交来的失物数用条形图表示．解：象这样表示每一天频数的柱形图叫频数条形图．我们也可以利用直方图反映样本的频率分布规律，这样的直方图称为，简称频率直方图，下面用例1的数据说明2、频率分布直方图：例2解：（1）根据频率分布表，作直角坐标系，以横轴表示，纵轴表示；(画出频率分布直方图)（2）在横轴上和纵轴上标上表示的点；（3）在上面各点中，分别以连接相邻两点的线段为底作矩形，高等于该组的，每一个矩形的面积等于各个组的。

3、频率分布折线图在频率分布直方图中，取相邻矩形上底边的中点顺次连结起来，就得到频率分布折线图（简称频率折线图），请在例2的频率折线图上画出频率折线图。

4、密度曲线如果样本容量取得足够大，分组的组距取得足够小，则相应的频率折线图将趋于一条光滑的曲线，称这条光滑的曲线为总体的密度曲线．5．茎叶图．某篮球运动员在某赛季各场比赛的得分情况如下：12，15，24，25，31，31，36，36，37，39，44，49，50．问题：如何有条理地列出这些数据，分析该运动员的整体水平及发挥的稳定程度？【范例点睛】例1 ．有一个容量为100的某高校毕业生起始月薪的样本，数据的分组及各组的频数如下：(1)列出样本的频率分布表；(2)画出频率分布直方图；(3)根据频率分布直方图估计该校毕业生起始月薪低于2000元的可能性．2、为了了解各自受欢迎的程度，甲、乙两个网站分别随机选取了14天，记录下上午8：00－10：00间各自的点击量：甲：73，24，58，72，64，38，66，70，20，41，55，67，8，25；乙：12，37，21，5，54，42，61，45，19，6，19，36，42，14.你能用茎叶图表示上面的数据吗？你认为甲、乙两个网站哪个更受欢迎？【随堂演练】1．某校为了了解学生的课外阅读情况，随机调查了50名学生，得到他们在某一天各自课外阅读所用时间的数据，结果用右侧的条形图表示．根据条形图可得这50名学生这一天平均每天的课外阅读时间为（）A．0.6小时B．0.9小时C．1.0小时D．1.5小时2．一般家庭用电(千瓦时)与气温(C )有一定的关系．图(1)表示某年12个月中每月的平均气温．图(2)所示某家庭在这年12个月中每月的用电量．根据这些信息，以下关于该家庭用电量与气温间的关系叙述中，正确的是（）A．气温最高时，用电量最多B．气温最低时，用电量最少C．当气温大于某一值时，用电量随气温增高而增加D．当气温小于某一值时，用电量随气温降低而增加3．在频率分布直方图中，所有矩形的面积和为__________．4．为了解高中学生的体能情况，抽了100名学生进行引体向上次数测试，将所得数据整理后，画出频率直方图(如右图所示)，图中从左到右依次为第1,2,3,4,5组．(1)第1组的频率为__________，频数为__________．(2)若次数在5次(含5次)以上为达标，则达标率为________________ ．5、右面是甲、乙两名运动员某赛季一些场次得分的茎叶图，据图可知（）A．甲运动员的成绩好于乙运动员B．乙运动员的成绩好于甲运动员C．甲、乙两名运动员的成绩没有明显的差异D．甲运动员的最低得分为0分甲12345乙824719936250328754219441。