Slide 1 — MGS 2150 Business Statistics
第1页——MGS 2150 商业统计学
Knowledge Points (知识点)
- Business Statistics (商业统计学)：在商业和经济中应用统计学方法。
- Course Info (课程信息)：MGS 2150, Prof. Rongjuan Chen, Spring 2025, Wenzhou-Kean University。
Business Statistics (商业统计学)
-
Explanation (解释):
Business statistics applies statistical tools to business and economics for analysis and decision-making.
商业统计学是运用统计学工具来分析商业与经济问题，为决策提供支持。 -
Example (例子):
Using statistical methods to analyze sales data to forecast customer demand.
使用统计方法分析销售数据，从而预测客户需求。 -
Extension (拓展):
Business statistics covers data collection, presentation, and interpretation, which are essential in areas like finance, marketing, and management.
商业统计学包括数据收集、展示和解释，在金融、市场营销和管理等领域非常重要。
Summary (总结)
本页介绍课程名称和背景，强调商业统计学在分析和决策中的应用价值。
Slide 2 — Lecture 5 Overview
第2页——第5讲概览
Knowledge Points (知识点)
- Descriptive Statistics (描述性统计)：总结和呈现数据的方法。
- Data Types (数据类型)：分为分类数据 (categorical data) 和数量数据 (quantitative data)。
- Presentations (数据展示方式)：表格、图表、文字。
Descriptive Statistics (描述性统计)
-
Explanation (解释):
Descriptive statistics summarizes raw data into meaningful forms like tables, charts, and simple text.
描述性统计将原始数据总结成有意义的形式，如表格、图表和文字。 -
Example (例子):
A company uses bar charts to show the sales of different product categories.
一家公司用条形图展示不同产品类别的销售额。 -
Extension (拓展):
Descriptive statistics helps identify patterns and provides a foundation for inferential statistics.
描述性统计能帮助识别模式，并为推断统计奠定基础。
Data Types (数据类型)
-
Explanation (解释):
- Categorical data: labels/names (e.g., gender, brand).
- Quantitative data: numerical values (e.g., age, income).
- 分类数据：用标签或名称表示（如性别、品牌）。
- 数量数据：用数值表示（如年龄、收入）。
-
Example (例子):
- Categorical: “Male / Female”
- Quantitative: “Salary = 5000 RMB”
- 分类数据: “男/女”
- 数量数据: “工资 = 5000 元”
-
Extension (拓展):
Choosing the correct data type is crucial for selecting the right analysis and visualization method.
正确识别数据类型是选择分析方法和可视化手段的关键。
Summary (总结)
本页主要介绍描述性统计、数据展示方式，以及分类数据和数量数据的区别。
Slide 3 — Example: Hudson Auto Repair
第3页——案例：哈德逊汽车维修
Knowledge Points (知识点)
- Case Study (案例研究)：分析发动机调校所用零件的成本。
- Sample Data (样本数据)：收集50张客户发票。
Case Study (案例研究)
-
Explanation (解释):
The manager analyzes invoices to understand the distribution of parts costs.
经理通过分析发票来了解零件成本的分布情况。 -
Example (例子):
Reviewing 50 invoices to find the cost range and frequency of parts used.
检查50张发票，找出零件成本的范围和频率。 -
Extension (拓展):
This type of study is common in business for cost control and pricing strategy.
这种研究在企业中常用于成本控制和定价策略。
Summary (总结)
本页介绍一个实际案例，用真实数据说明统计方法在企业中的应用。
Slide 4 — Summarizing Quantitative Data in Frequency
第4页——用频率总结数量数据
Knowledge Points (知识点)
- Steps (步骤)：确定组数、组宽、组限。
- Purpose (目的)：将原始数据分组便于分析。
Summarizing Steps (数据总结步骤)
-
Explanation (解释):
Quantitative data can be grouped into frequency distributions for clearer analysis.
数量数据可以分组为频率分布，以便更清晰地分析。 -
Example (例子):
Grouping part costs into ranges like 50–59, 60–69, etc.
把零件成本分为区间，如50–59, 60–69 等。 -
Extension (拓展):
Frequency distributions form the basis of histograms, ogives, and other charts.
频率分布是直方图、累积曲线等图表的基础。
Summary (总结)
本页强调了分组总结数量数据的基本步骤。
Slide 5 — Number of Classes
第5页——确定组数
Knowledge Points (知识点)
- Rule (规则)：5~20组。
- Data Size (数据量)：数据多→组数多，数据少→组数少。
- Trade-off (权衡)：组数与每组样本量的平衡。
Number of Classes (组数)
-
Explanation (解释):
The number of classes depends on the dataset size. Too few classes oversimplify; too many complicate.
组数取决于数据量。组数过少会过度简化，过多会使分析复杂化。 -
Example (例子):
A dataset with 1000 observations may use 15 classes; a dataset with 20 observations may use 5 classes.
1000个观测值可用15组；20个观测值可用5组。 -
Extension (拓展):
The Sturges’ rule and other statistical guidelines can also be applied.
还可以应用Sturges法则等统计指南。
Summary (总结)
本页强调组数选择的原则与权衡。
Slide 6 — Class Width and Class Limits
第6页——组宽与组限
Knowledge Points (知识点)
- Equal Width (等宽)：组宽 = (最大值–最小值)/组数。
- Class Limits (组限)：每组有上下限。
Class Width (组宽)
-
Explanation (解释):
Class width ensures each group has equal intervals.
组宽保证每组间隔相等。 -
Example (例子):
If smallest = 3, largest = 32, 6 classes → width = (32-3)/6 ≈ 5.
若最小值=3，最大值=32，6组 → 组宽= (32-3)/6 ≈ 5。 -
Extension (拓展):
Equal class widths make comparisons across groups more meaningful.
等宽能使组间比较更有意义。
Class Limits (组限)
-
Explanation (解释):
Each class has lower and upper limits.
每组都有上下限。 -
Example (例子):
Classes: (3–7), (8–12), (13–17)…
分组如：(3–7), (8–12), (13–17)… -
Extension (拓展):
Choosing limits affects the clarity of data interpretation.
组限选择影响数据解释的清晰度。
Summary (总结)
本页介绍了如何计算组宽和设置组限。
Slide 7 — Example: Hudson Auto Repair (Classes)
第7页——案例：哈德逊汽车维修（分组）
Knowledge Points (知识点)
- Determine Classes (确定组数)：6组。
- Calculate Width (计算组宽)：≈10。
- Class Limits (组限)：109–100, 99–90, …, 59–50。
Example (案例)
-
Explanation (解释):
Data is grouped into 6 classes with a width of ~10.
数据被分成6组，组宽约为10。 -
Example (例子):
50–59, 60–69, 70–79, 80–89, 90–99, 100–109。
六个分组区间。 -
Extension (拓展):
Pivot tables can automate this grouping in software like Excel.
Excel等软件中的数据透视表可自动完成分组。
Summary (总结)
本页展示了如何将零件成本分组。
Slide 8 — Frequency Table
第8页——频率表
Knowledge Points (知识点)
- Pivot Table Output (透视表结果)。
- Frequency (频数)：各组出现次数。
Frequency Table (频率表)
-
Explanation (解释):
A table shows the count of items in each class.
表格显示每个组的观测值数量。 -
Example (例子):
60–69 → 13; 70–79 → 16。
60–69组有13个观测值；70–79组有16个。 -
Extension (拓展):
Frequency tables are the foundation for charts like histograms.
频率表是绘制直方图等图表的基础。
Summary (总结)
本页展示了频率表的应用。
Slide 9 — Frequency Distribution Graph
第9页——频率分布图
Knowledge Points (知识点)
- Frequency (频数)：直方图形式展示。
- Distribution Shape (分布形态)：可直观看到集中趋势。
Frequency Distribution (频率分布)
-
Explanation (解释):
Frequencies can be plotted to visualize data distribution.
频率可用图形展示，直观表示数据分布。 -
Example (例子):
Most costs fall between 60–79.
大部分零件成本落在60–79之间。 -
Extension (拓展):
The shape indicates skewness or symmetry.
图形形态能显示偏态或对称性。
Summary (总结)
本页用直方图展示数据分布。
Slide 10 — Cumulative Frequency (≤)
第10页——累积频率（≤）
Knowledge Points (知识点)
- Cumulative Frequency (累积频率)：逐步加总。
- Cumulative Percentage (累积百分比)：比例形式展示。
Cumulative Frequency (累积频率)
-
Explanation (解释):
Shows how many observations fall below each class limit.
表示落在某一上限以下的观测值数量。 -
Example (例子):
<80 → 62%。
小于80的比例为62%。 -
Extension (拓展):
Useful in percentile and quartile calculations.
在百分位数和四分位数计算中很有用。
Summary (总结)
本页展示累积频率的计算与图示。
Slide 11 — Cumulative Frequency (≥)
第11页——累积频率（≥）
Knowledge Points (知识点)
- Reverse Cumulative (反向累积)：大于某值的比例。
- Interpretation (解释)：理解高于某一阈值的观测比例。
Cumulative Frequency (≥)
-
Explanation (解释):
Displays the percentage of observations greater than each limit.
显示大于某一数值的观测比例。 -
Example (例子):
70 → 70%。
大于70的比例为70%。 -
Extension (拓展):
Often used in survival analysis and reliability studies.
常用于生存分析和可靠性研究。
Summary (总结)
本页介绍了累积频率的反向表示。
Slide 12 — Practice 1: Categorical Data
第12页——练习1：分类数据
Knowledge Points (知识点)
- Practice (练习)：用透视表总结分类数据。
- Example (例子)：GPA分为low, median, high。
Practice 1 (练习1)
-
Explanation (解释):
Pivot tables can classify categorical data into frequency distributions.
数据透视表可将分类数据总结为频率分布。 -
Example (例子):
GPA: Low = 14, Median = 10, High = 6。
GPA：低=14，中=10，高=6。 -
Extension (拓展):
Categorical frequency analysis is useful in survey results.
分类频率分析常用于调查结果处理。
Summary (总结)
本页展示如何用透视表处理分类数据。
Slide 13 — Practice 2: Quantitative Data
第13页——练习2：数量数据
Knowledge Points (知识点)
- Practice (练习)：用透视表总结数量数据。
- Example (例子)：GPA分为四个区间。
Practice 2 (练习2)
-
Explanation (解释):
Quantitative data can be grouped into intervals for frequency distribution.
数量数据可以按区间分组，形成频率分布。 -
Example (例子):
GPA分布：3–3.25=11，3.25–3.5=8，3.5–3.75=6，3.75–4=5。 -
Extension (拓展):
Such grouping reveals performance distribution in a class.
分组有助于分析班级成绩分布情况。
Summary (总结)
本页展示如何处理数量型数据的频率分布。