1 简述统计数据整理的主要内容与方法。
答：统计数据是进行统计分析的基础与对象。对于搜集到的统计数据，可以通过加工整理，使之条理化、系统化，以满足统计分析的要求。有些整理是对数据的综合，凌乱的原始数据经过整理后，可以更清楚地反映数据的总体特征。
用Excel进行统计数据的整理主要是指对数据进行分类排序、检索查询、行列转置、数据置换、分类分组频数统计图表进行展示。
第一节 数据排序
排序是按照一定的规则将数据按顺序排列。数值型数据，是根据数值大小排序，非数值数据（定类数据、定序数据），可以根据字母（英文）顺序、拼音顺序或笔画多少来排序。输入数据后，在哪一列按快捷键“A－Z”或“Z－A”，就在哪一列排序。
“分类排序”- 排序结果可以把排序关键字内容相同的记录排列在一起，起到一种分类的作用。具体操作：使用命令：“数据”-“排序”，屏幕上将显示“排序”对话框。用鼠标点击“主要关键字”，打开下拉选项框，从中进行选择（如选文化），然后指定排序规则。指定多个排序关键字时，排序的结果是先按第一关键字排序，对第一关键字相同的记录再按第二关键字排序。依此类推。
第二节 检索查询
自动筛选：自动筛选的结果相当于把数据表折叠起来，只显露符合要求的记录。输入数据后，在第一行，按“数据-筛选-自动筛选”，出现下拉菜单，可根据显示内容选择。
高级筛选见书 P373-374
第三节 数据转换
统计数据处理过程中有时需要把数值转换为对应的文字，或者把文字转换成数值。条件函数的格式是：IF（条件，L1，L2）。P375图 在C2单元输入函数：
=IF（B2>89，“优”，IF（B2>79，“良”，IF（B2>69，“中”，IF（B2>59，“及格”，“不及格”））））
再复制到需要转换数据的单元。
⑴⑵⑶⑷⑸⑹⑺⑻⑼⑽
：
第十七章 Excel与描述性统计分析
1 简述什么是集中趋势？
答：集中趋势，是指一组数据向其中心值靠拢的倾向，测度集中趋势就是确定数据一般水平的代表值或中心值，用于代表数据总体的一般水平。
2 众数（mode）是一组数据中出现次数最多的变量值。众数的一个突出特点是它不受极端数值的影响。众数的格式：MODE
3 众数的基本思想，是反映一组数据若存在某种集中趋势，则大量数据会集中在某个或某几个数据点上，即在这个数据点上，变量值出现的频数会较高，众数就是这一数据点的取值。所以众数表达的是数据分布的“重心”。
4 中位数（median）是一组数据排序后处于中间位置的变量值，是一组数据的中点，即高于和低于它的数据各占一半。中位数是一组数据的位置“中心”，反映了数据分布存在的位置中心趋势。当一组数据的个数为偶数时，中位数为排序后的中间两个变量值的算术平均数。中位数的格式：MEDIAN
5 均值（mean）在统计学中有重要地位，是数据分布集中趋势的主要测度值，用于反映一组数值型数据的一般水平。根据情况的不同在计算均值时有不同的形式，分为：算术平均数、调和平均数、几何平均数。
6 算术平均数是对一组数值数据计算算术平均，用 表示。根据数据资料的不同，分为简单算术平均数与加权算术平均数。算术平均数格式：AVERAGE，加权算术平均数（乘积和）格式：SUMPRODUCT
7 调和平均数（Harmonic mean）也叫调和均值，用 表示。它本质上也是算术平均数，只是表现形式不同。调和平均数格式：HARMEAN
例：三种苹果，价格分别为5元、2.5元、2元。问：各买10元钱，混合后平均价格是多少？P422
8 几何平均数（Geometic Mean），也称几何均值，用 表示。它是n个变量值乘积的n次方根。几何平均数主要用于计算发展速度或增长比率的平均数函数。几何平均数格式：GEOMEAN
9 众数、中位数与算术平均数都是用来测度和说明数据的集中趋势的，他们各有自己的特点，应用场合机所能说明的问题也不相同。
从数据分布来看，众数是一组数据分布峰值位置的代表值，表明数据分布的“集中点”。它不受极端数值的影响，可以应用于各种类型的数据。其缺点是不具有唯一性，对于一组数据，可以有一个众数，也可能有多个众数，或者是没有众数。
中位数是位于一组数据排序后中间位置的值，是排序后数据的“中心”，表明两边各有一半数据。它同样不受极端数值的影响，并且对于一组数据来讲，中位数是唯一的。
算术平均数是全体数值的算术平均，是一组数据的“数量中心”，即各数值与平均数的离差和为0.它的缺点是容易受极端数值的影响。
通常情况下对于同一组数据，三者间的关系表现为：若数据分布是单峰而且对称，则三者相等；如果不对称，当分布左偏（负偏）时，表明有偏小的极端值，此时算术平均数最小，中位数其次，众数最大；当分布右偏（正偏）时，表明有偏大的极端值，此时众数最小，中位数其次，算数平均值最大。
10 数据分布的特征：数据的集中趋势和数据的离散程度。
11 极差（Range）也称全距，用 表示，它是一组数据中最大值与最小值之差。极差是描述数据离散程度的最简单的方法，表明数值得分布范围。极差小，说明数据分布较集中；极差大，说明数据较分散。因为极差仅由两个极端数值所决定，不能反映中间数据的分布离散装况。
12 分位数常用的有四分位数（quaitile）、十分位数（decile）、百分位数（percentile）等。
13 四分位数也称四分位点，是用三个数值点把排序后的数据四等分，处在分位点的数据就是四分位数。格式：QUARTILE，在计算单元输入函数：“=QUARTILE（G2：G9，1）”，其中 “1”为四分位数中第1个四分位点，“2”就是第2个四分位点。
14 四分位差（quartile deviation），也叫内距或四分间距，它是上四分位数与下四分位数之差，用 表示： .四分位差可以表明中间50%的数据的离散程度。四分位差数值越小，说明中间数据分布越集中；相反，四分位差越大，表明中间部分数值约分散，离散程度越大。
15 平均差（mean deviation）也叫平均离差，用 表示，它是各变量值与均值离差绝对值的平均数。平均差格式：AVEDEV，功能：计算指定区域内所有数值的平均离差。
16 方差（variance）是一组数据中各变量与其均值离差平方的平均数，方差的算术平方根叫标准差（standard deviation）。 方差与标准差是反映数值型数据离散程度的主要的也是常用的方法，是描述数据分布特征的重要的统计量。
17 偏度（skewness）是指数据分布的偏斜方向和程度，用偏度系数 表示。通常情况下，我们可以根据众数、中位数和均值之间的关系，很容易地判断出一组数据的分布是否对称，是左偏还是右偏。格式：SKEW
18 峰度（kurtosis）是指数据分布集中趋势高峰的形状，它通常是与标准正态分布相比较而言的。若分布的形状比标准正态分布更瘦更高，成为尖峰分布。相反，若更扁平，称为平峰分布。
：
第十八章 用Excel作线性相关回归分析
1 变量间的关系：变量间的数量关系可以分为两类，一类是我们所熟悉的函数关系；除了函数关系外，变量间的关系还有另一种类型，表现为非确定性关系，即一个变量的取值不能由相关变量唯一地确定。统计上把上述这种相互间密切关联，而又不严格确定的关系称为统计关系或相关关系。
2 现代统计中关于统计关系的研究已形成两个重要的分支，即相关分析与回归分析。
3 相关分析与回归分析的概念：相关分析与回归分析都是研究变量间的统计关系，在分析实际问题时两种方法经常相互结合，常被笼统地合在一起，成为相关回归分析。（相关分析与回归分析的联系。）
4 简述相关分析与回归分析的区别。
答：⑴ 回归分析中变量y成为因变量，处于被解释的特殊地位，x是自变量，也成为解释变量，二者之间有因果关系；而相关分析中变量y与变量x的地位是平等的，研究y与x关系的密切程度与研究x与y关系得密切程度是一回事，所以相关分析不以因果关系的存在为前提。
⑵ 相关分析主要研究并揭示变量间相关关系的密切程度，而回归分析是研究存在相关关系的变量间的数量因果关系和关系的形式，并以回归模型的形式来描述这种关系。
5 什么是回归分析？它包括哪些主要内容？
答：相关分析是为了确定变量间是否存在线性相关，相关程度如何。而回归分析则是侧重于考查相关变量间的因果数量关系。具体来说回归分析的内容包括：
⑴ 根据样本数据，建立反映因变量与自变量之间数量关系的回归模型。
⑵ 对模型进行统计评估与检测。
⑶ 根据自变量的特定取值估计预测因变量的相应取值。
6 回归这个术语是由英国著名统计学家Francis Galton在19世纪末期研究孩子及他们的父母身高的关系时提出来的。
7 一元线性回归模型是描述两个变量间统计关系的最简单的回归模型。
8 回归方程的评估方法：离散的分解、决定系数、估计标准误差。
9 回归方程的检验方法：一是对整个模型线性关系的检验，二是对方程中拟合的回归系数进行检验。在一元线性回归方程拟合中，两种检验的结果是一致的。
10用回归方程进行估计和预测的方法：点估法和区间估计。
