用样本估计总体
离散程度参数与频率直方图
苏教版高中数学必修第二册
目录
01 情境引入
• 为什么需要估计？
02 离散程度参数估计
• 极差、方差与标准差
• 分层抽样的方差计算
• 例题讲解与应用
03 频率直方图估计总体分布
• 频率分布表与直方图绘制
• 从直方图估计数字特征
• 例题讲解与应用
04 课堂小结与作业
• 知识点回顾与总结
• 课后作业布置
情境引入：仅知道平均水平够吗？
数据观察：两组身高数据
甲组 (cm)
160, 162, 163, 164, 166
乙组 (cm)
150, 160, 165, 170, 180
计算发现：两组数据的平均数均为163 cm
深度思考：分布一样吗？
甲组：数据集中，波动小
数值分布在160-166之间，差异不大，更稳定。
乙组：数据分散，波动大
数值跨度大（150-180），两极分化明显。
结论：平均数相同，不代表数据分布特征相同。仅
靠平均数无法全面描述数据，需要引入“离散程度”
指标。
第一部分
用样本估计总体的离散程度参数
极差
定义与公式
极差是指一组数据中最大值与最小值的差，它是衡量数据离
散程度最简单的指标。
极差 = 最大值 - 最小值
核心意义
极差反映了数据的波动范围。极差越大，说明数据的离散程
度越大，波动越剧烈。
优点与局限
优点：计算简单，直观易懂，能快速了解数据的波动范围。
局限：仅利用两个极端值，忽略中间数据分布，易受极端值
影响，准确性较低。
实例分析
甲组身高：166 - 160 =6 cm
乙组身高：180 - 150 =30 cm
结论：乙组极差更大，说明其身高波动范围更广。
方差
核心定义
方差是各数据与平均数差的平方的平均数。它弥补了极差的
不足，更全面地刻画了数据的离散程度。
统计意义
方差衡量数据围绕平均数波动的平均程度。方差越大，数据
离散程度越大；方差越小，数据越集中。
样本方差公式
s² = (1/n) ∑(xi - x̄)²
参数说明：xi为第i个样本数据，x̄为样本平均数，n为样本容量。
应用示例
计算两组身高数据的方差，发现乙组方差远大于甲组，说明
乙组身高差异更大，数据更分散。
标准差
核心定义与特性
定义：方差的算术平方根称为标准差。它反映了数据的离散
程度。
特性对比：
标准差与方差都反映离散程度，但标准差的单位与原始数据
一致（如厘米），因此更具实际意义。
示例计算：
• 甲组身高标准差：√ ≈ cm
• 乙组身高标准差：√130 ≈ cm
样本标准差公式
s = √(s²) = √[1/n ∑(xi - x̄)²]
参数说明：
• s：样本标准差
• xi：第 i 个样本数据
• x̄：样本均值
• n：样本数量
方差与标准差的性质
设一组数据x₁, x₂, ..., xₙ的平均数为x̄，方差为s²，标准差为s。
性质1：加常数 a
若数据都加上常数 a：
• 平均数：x̄ + a
• 方差：s² (不变)
• 标准差：s (不变)
性质2：乘常数 a
若数据都乘以常数 a：
• 平均数：a · x̄
• 方差：a² · s²
• 标准差：|a| · s
性质3：线性变换
若数据变为 ax + b：
• 平均数：a · x̄ + b
• 方差：a² · s²
• 标准差：|a| · s
分层抽样的方差计算
公式定义与参数
• k：总体分为 k 层
• nj：第 j 层抽取的样本量
• xj̄：第 j 层的样本平均数
• sj²：第 j 层的样本方差
• n：总样本量 (n = Σnj)
总样本方差公式：
s² = (1/n) Σ nj [ sj² + (xj̄ - x̄)² ]
方差构成解析
第一部分：层内方差的加权平均
对应公式中的 nj·sj² 项。这部分反映了各层内部数据
的离散程度，是总方差的基础构成。
第二部分：层间差异的加权平均
对应公式中的 nj·(xj̄ - x̄)² 项。这部分反映了各层均值
与总体均值之间的差异，体现了分层带来的结构影
响。
例题讲解（一）
题目描述
已知数据：
从某班抽取5名学生的数学成绩：
85, 90, 92, 88, 95
求解目标：
• 计算这组数据的极差
• 计算方差和标准差
详细解答步骤
Step 1: 计算极差
极差 = 最大值 - 最小值 = 95 - 85 =10
Step 2: 计算平均数
x̄ = (85+90+92+88+95) / 5 =90
Step 3: 计算方差
s² = [(85-90)² + ... + (95-90)²] / 5 = 58 / 5 =
Step 4: 计算标准差
s = √ ≈
结论：这5名学生的成绩波动较小，标准差约为分，数据分布较为
集中。
第二部分
用频率直方图估计总体分布
频率分布表与直方图
频率分布表
将数据分组，统计每组内数据的频数和频率，形成的表格。
频率直方图
以数据分组为横轴，以“频率/组距”为纵轴绘制的一系列矩
形。
核心思想
直方图中每个矩形的面积表示该组数据的频率。所有矩形
的面积之和为1。
绘制频率直方图的步骤
01. 求极差
计算数据的最大值与最小值的差，
确定数据的波动范围。
02. 决定组距与组数
根据数据量确定，组数一般在5到12
组之间，组距 = 极差 / 组数。
03. 分组
将数据按组距进行分组，通常采用
左闭右开区间，确保数据不重不漏。
04. 列频率分布表
统计每组的频数，计算频率（频率 = 频数 / 样本容量），列出
表格。
05. 绘制频率直方图
以分组区间为横轴，以“频率/组距”为纵轴绘制矩形，直观
展示数据分布。
从直方图估计众数
核心方法
在频率直方图中，众数是最高矩形底边的中点横坐标。
原理解释
最高的矩形代表数据出现频率最高的区间，该区间的中点
即为众数的估计值。
图示：直方图众数估计示例（150-160区间中点为155）
从直方图估计中位数
核心定义与方法
中位数是使得直方图左右两侧面积相等的点的横坐标。它
将数据分布平分为两个各占 50% 的部分。
计算逻辑
寻找一个点，使得该点左侧所有矩形的面积之和等于
。这个点就是中位数的估计值。
图示：直方图中中位数的位置示意（虚线处）
从直方图估计平均数
核心方法
平均数等于每个矩形的面积乘以该矩形底边中点的横坐标，
然后求和。
计算公式
$\bar{x} = \sum_{i=1}^{k} (x_i \cdot S_i)$
其中，$x_i$ 为中点横坐标，$S_i$ 为矩形面积（频率）。
原理解释
将区间中点值作为该组数据的代表值，乘以其频率（权重）
，再求和，得到平均数的估计值。
图示：从直方图估计平均数的原理示意
例题讲解（二）
问题描述
根据某班级学生身高的频率分布直方图，
估计该班学生身高的：
• 众数 (Mode)
• 中位数 (Median)
• 平均数 (Mean)
1. 众数估计：165 cm
找到频率分布直方图中最高的矩形，其底边中点即为众数。本例中最高矩
形中点为165 cm。
2. 中位数估计：约 164 cm
计算累计频率，找到使得累计频率为的位置。通过计算，中位数约为
164 cm。
3. 平均数估计：约 cm
利用加权平均法，计算每个矩形的面积（频率）乘以其中点横坐标，求和
得到平均数约为 cm。
课堂小结（一）：数据离散程度分析
极差 (Range)
• 定义：最大值 - 最小值
• 特点：计算简单直观
• 局限性：易受极端值影响，反映
信息有限
方差 (Variance)
• 定义：各数据与均值差的平方的
平均数
• 作用：衡量数据的平均波动大小
• 特点：利用了所有数据信息，反
应灵敏
标准差 (Std Dev)
• 定义：方差的算术平方根
• 优势：单位与原数据一致，便于
比较
• 应用：实际应用中最广泛的离散
程度指标
数据变换性质
若数据进行线性变换 \( Y = aX + b \)，则方差变为 \( a^2 \cdot
Var(X) \)，标准差变为 \( |a| \cdot Std(X) \)。
分层抽样方差
综合考虑层内方差（各层内部的差异）和层间差异（各层均值
之间的差异），以提高估计的精度。
课堂小结（二）
频率直方图核心与步骤
核心概念：矩形面积表示频率，而非高度。
绘制步骤流程
求极差：最大值 - 最小值
定组距组数：确定组距，计算组数
分组：确定每组的区间范围
列表：统计频数与频率
绘图：绘制频率分布直方图
总体特征的估计方法
众数 (Mode)
最高矩形底边中点的横坐标。
中位数 (Median)
把频率分布直方图左右面积平分为二的点。
平均数 (Mean)
各矩形面积乘以该组中点横坐标之和。
课堂练习
题目一：方差与标准差计算
已知一组数据：
10, 12, 14, 15, 16, 18
请计算：
• 该组数据的方差 (Variance)
• 该组数据的标准差 (Standard Deviation)
题目二：频率分布直方图分析
根据某工厂产品质量的频率分布直方图，回答以下问题：
• 判断产品质量在哪个区间的数量最多？（众数）
• 估计产品质量的中位数位置。
• 计算并估计产品质量的平均数。
作业布置
必做题
请完成教材第XX页，习题中的第2、4、6题。
目的：巩固本章基础知识，熟练掌握解题步骤。
选做题
调查班级同学体重数据，绘制频率分布直方图，
并估计众数、中位数和平均数，分析体重分布情
况。
目的：学以致用，通过实践加深对统计知识的理解。
感谢观看
希望大家能够掌握用样本估计总体的基本方法，提升数据分析能力
