人体测量数据统计分析与研究

人体测量数据统计分析与研究

菲菲洋洋

(**安全科学与工程学院，辽宁省阜新市123000)

摘要：人体身高数据在机械设备研发，服装设计等方面有很重要的作用，因此有必要对人体的有关参数进行研究，本文运用人体测量学、数据处理等知识，结合文献调查法、数据统计分析法，调查了安全学院100名男生的身高，对测量获得的数据进行统计、方差计算，同时对所获得的数据进行分析，分析与国家标准的差异、分地区分析人体尺寸的变化、不同地区平均身高上的差异，以及是否符合原国家标准的规定、分析差异存在原因。

关键词：人体测量数据；人体测量学；调查法；数据分析

引言

为了使各种与人有关的机械、设备、产品等能够在安全的前提下高效率的工作，实现人机的最优结合，并使人在使用时处于安全、舒适的状态和无害、宜人的环境之中，现代设计必须充分考虑人体的各种人机学参数，因此有必要对人体的有关参数进行研究。近10年来 ,我国经济迅猛发展 ,人们的生活水平大幅度提高，人们的身体状况是也发生了相应改变，为了更好的了解学生身体状况变化情况 ,本设计对100名学生的身高进行调查，对测试结果内容的分析与探讨,找出存在的主要问题。

1 人体测量的基本知识

1.1 人体测量学

人体测量是一门新兴学科，它所涉及的是一个特定的群体而非个人，选择样本必须考虑有代表性的群体，测量的结果要经过数据统计处理，以反映该群体的形态差异与差异程度。它是通过测量各部位尺寸来确定个体之间和群体之间在人体尺寸上的差别。用以研究人的形态特征，从而为各种安全设计、工业设计和工程设计提供人体测量数据[1]。

1.2 人体测量的主要方法

普通测量法、摄影法、三维数学测量法

1.3人体测量的基本术语

(1)被测者姿势

a立姿

指被测者挺胸直立，头部以眼耳平面定位，眼睛平视前方，肩部放松，上肢自然下垂，手指直，手掌朝向体侧，手指轻贴大腿侧面，自然伸直，左、右足后跟并拢，两足前段分开大致成450夹角，体重均匀分布于两足。

b坐姿

被测者挺胸坐在被调节到肋骨头高度的平面上，头部以眼耳平面定位，眼睛平视前方，左、右大腿大致平行，膝弯曲大致成900，足平放在地面上，手轻放在大腿上。

（2）测量基准面。人体测量基准面是由3个互相垂直的轴来决定的。

a 矢状面。通过铅垂轴和纵轴的平面及其平行的所有平面都称为矢状面。

b 正中矢状面。在矢状面中，把通过人体正中线的矢状面称为正中矢状面。正中矢状面将人体分成左、右对称的两个部分。、

c 冠状面。通过铅垂轴和横轴的平面及与其平行的所有平面都称为冠状面。冠状面将人体分为前、后两个部分。

d 水平面。与矢状面及冠状面同时垂直的所有平面称为水平面。水平面将人体分成上下两部分。

e 耳眼平面。通过左右耳屏点及右眼眶下点的水平面称为眼耳平面[2]

。 1.4 人体尺寸测量用的主要仪器

人体尺寸测量中所采用的人体测量仪器有:人体测高仪，人体测量用直角规、人体测量用弯角规、人体测量用三角平行规、坐高椅、量足仪、角度计、软卷尺以及医用磅秤等[3]

。 2 人体测量数据的统计与分析 2.1 人体测量数据的统计

⑴将人体测量数据分类分组 a 选定组距

如果组距过大，分组变小，影响计算结果。组距过小，分组过多，计算过于繁琐，会大大加大计算量。所以在本设计中，选择的组距为20mm 。

b 计算组数

在100组数据中：最高值1880mm,最低值1640mm

mm

2401640-1880===最小值—最大值全距

所以计算组数为：

1220

240

=（组） c 按一定顺序进行排序

依测量值由小到大顺序排列，即1640-1660mm 、1660-1680mm 、1680-1700mm 、1700-1720mm 、1720-1740mm 、1740-1760mm 、1760-1780mm 、1780-1800mm 、1800-1820mm 、1820-1840mm 、1840-1860mm 、1860-1880mm.

⑵划出频数分布，作直方图与概率计算

1.651.671.691.711.731.751.771.791.81 1.851.87

1.83身高（m ）

5

1020

15频数图2-1身高-频数分布直方图

2.2 人体测量数据的计算

⑴确定假定平均数

假定平均数可选任一组中的上限加下限除以2而得。在本设计中，选组别为1640-1660mm,组中值=

mm 16502

1660

1640=+；

同理可计算其他组别的组中值，计算结果见表2-1

为了计算方便预先设定平均数，本设计中选

取组1740-176mm 。

所以，预定的平均数175021760

1740=+mm 。

⑵计算离均差

所谓离均差就是各组与假定平均数的差数。 离均差的计算公式：

b G G x i 0

-=

（2-1）

式中 x---离均差； i G ---各组的组中值； 0G ---假定的组中值； b---组距；

i---组号，i=1,2,3…；

当计算时，假定平均数所在的组离均差为零，然后比较各组，较小者为-1，-2，-3，…；较大者为1,2,3…，即可。

组别为1640-1660mm ，离均差=

520

1750

1650-=-

同理可计算其他组别的离均差，计算结果见

表2-1

表2-1 100名男性学生的身高测量计数表

a. 分图题

组别 组中值 f x fx fx

2

1640-1660 1650 1 -5 -5 25 1660-1680 1670 2 -4 -8 32 1680-1700 1690 8 -3 -24 72

1700-1720 1710 7 -2 -14 28 1720-1740 1730 17 -1 -17 17 1740-1760 1750 15 0 0 0 1760-1780

1770

19

1

19

19

1780-1800 1790 13 2 26 52

表2-1 100名男性学生的身高测量计数表

b. 分图题

1800-1820 1810 9 3 27 81 1820-1840 1830 5 4 20 80 1840-1860 1850 1 5 5 25 1860-1880

1870 3

6 18

128

f

∑=100

fx

∑=47

2

fx ∑=559

⑶ 计算并列表 a 平均数 b b

fx

G M ?∑+

=0 (2-2) 式中 M---平均数； 根据公式（2-2）得

b b fx G M ?∑+

=0=175020*100

47

+ =1760(mm) b 标准差

b N

fx N fx ?∑-∑=2

22)(σ (2-3)

式中σ---标准差；

N---总频数；

根据公式（2-3）得

σ =

=-20*)100

47(1005592

12.2(mm) c 标准误差

N

s x σ

=

(2-4)

x s ---标准误差；

根据公式（2-4）得

N

s x σ

=

=

=100

2

.12 1.22(mm) d 百分位数

百分位数表示具有某一人体尺寸和小于该尺寸的人占统计对象总人数的百分比。

s

k x x ?+=?

(2-5)

式中 ?x ---对应于百分位a 的百分位数； x ---样本均值； s---样本标准差；

K---与a 有关的变换系数，见表1-1。

表2-2百分比与变换系数

百分位a/%

变换系数k 百分位a/%

变换系数k 0.5 -2.567 70 0.524 1.0 -2.326 75 0.674 2.5 -1.960 80 0.842 5.0 -1.645 85 1.036 10.0 -1.282 90 1.282 15.0 -1.036 95 1.645 20.0 -0.842 97.5 1.960 25.0 -0.674 99.0 2.326 30.0 -0.524 99.5 2.576 50.0

0.000

-

-

根据公式（2-5）得

=0.1x s k x ?+ =1760-12.2*2.326=1732(mm) =0.5x s k x ?+=1760-12.2*1.645=1740(mm) =0.10x s k x ?+=1760-12.2*1.282=1744(mm)

=0.50x s k x ?+=1760-12.2*0.000=1760(mm) =95x s k x ?+=1760+12.2*1.645=1780(mm)

3 区域对人体尺寸的影响 3.1 区域的划分

[4]

各区域的气候环境，及饮食方面对生长发

育尤其在身高方面会产生显著影响.因此本文针对各区域分别进行研究。中国的区域按行政范围

可划分为东北区、华北区、西北区、西南区、和东南区。其中东北区包括黑龙江、吉林、辽宁、内蒙古;华北区包括山东、北京、天津、河北;西北区包括甘肃、青海、陕西、山西、西藏、宁夏、河南、新疆；西南区包括贵州、四川、云南；东南区包括安徽、江苏、上海、浙江。本设计对各

区域人体尺寸按身高测量值进行划分，具体划分情况见表3-1

表3-1 各区域人体尺寸的划分

组别

东北人数/个 华北人数/个 西北人数/个 西南人数/个 东南人数/个 1640-1660 1 0 0 0 0 1660-1680 2 1 0 1 0 1680-1700 1 0 3 2 0 1700-1720 5 4 0 1 0 1720-1740 10 2 5 0 0 1740-1760 9 1 3 2 0 1760-1780 10 0 5 0 1 1780-1800 12 0 1 0 0 1800-1820 5 2 1 1 0 1820-1840 5 0 0 0 0 1840-1860 0 0 1 0 0

3.2分区域进行数据计算

⑴计算东北地区平均身高与标准差 平均身高按公式（3-1）

n

x

x n

i i

∑==

1

=

175861

107250

=mm 身高标准差按公式（3-2） S=

222))17581880()17581640((61

1

-++- =44

⑵计算华北地区平均身高与标准差 平均身高按公式（3-1）

n

x

x n

i i

∑==

1

=

176011

19350

=(mm) 身高标准差按公式（3-2）

)

)17551860()17551670((11

122-++-= s =49.8

⑶计算西北地区平均身高与标准差 按公式（3-1）

n

x

x n

i i

∑==

1

=

174719

33190

= (mm) 身高标准差按公式（3-2）

))17471850()17471680((19

1

22-++-=

s =40.8

⑷计算西南地区平均身高与标准差 平均身高按公式（3-1）

n

x

x n

i i

∑==

1

=

17177

12020

=(mm) 身高标准差按公式（3-2）

))17171800()17171670((7

1

22-++-=

s

=44.4

⑸计算东南地区平均身高与标准差 平均身高按公式（3-1）

n

x

x n

i i

∑==

1

=

18152

3630

=（mm ） 身高标准差按公式（3-2）

))18151860()18151770((2

1

22-+-=

s =45

4.与国家标准对照

⑴各地区身高平均值和标准差见表4-1

[5]

表4- 1各地区身高平均值和方差的标准值

地区

东北区

华北区 西北区 西南区 东南区

平均值M 1693 1693 1684 1647 1686 标准差S

56.6

56.6

53.7

56.7

55.2

⑵存在的差异

a东北区

平均身高为1758mm，标准差为44，平均值比国家标准高出65mm，标准差比国家标准值小12.6。

b华北区

平均身高为1755mm，标准差为49.8，平均值比国家标准高出62mm，标准差比国家标准值小6.8。

c西北区

平均身高为1747mm，标准差为40.8，平均值比国家标准高出129mm，标准差比国家标准值小12.9。

d西南区

平均身高为1717mm，标准差为44，平均值比国家标准高出70mm，标准差比国家标准值小12.7。

e东南区

平均身高为1815mm，标准差为45，平均值比国家标准高出70mm，标准差比国家标准值小10.2。

（1）各区域与国家标准的对比中可以看出，各地区的平均身高都高于标准值，且标准差都低于国家标准值，这也间接说明了各区域的经济发展状况越来越好，人民的经济生活水平提高了。

（2）各个区域间平均身高的对比可以看出东北区的男生平均身高最高，西南区男生平均身高最低。

由于本次设计中，调查的人数为100人，基数较小，而且选取的范围均为安全学院的学生，所以误差存在较大。

4 各地区身高存在差异的原因

⑴营养因素

青少年正处于迅速成长阶段，必须不断由外界摄取各种营养素作为生长发育的物质基础。营养素缺乏或过剩(如蛋白质摄人过剩)等不合理的膳食不仅会影响发育，而且会导致营养不良及各种营养缺乏症。长期营养不良影响骨骼的成熟程度及其长度，使骨骼在愈合时达不到应有的长度而形成体格矮小。

⑵体育运动

体育运动和体力劳动是促进身体发育和增强体质的最有力因素，不仅可以全面促进机体的新陈代谢，增强呼吸系统与心血管的功能发育，而且在合理的营养下可以促进体格的发育，尤其是骨骼和肌肉的发育。体育运动有利于平衡骨骼及全身的钙磷代谢，加速矿物质在骨内沉积，使骨密度增加。长期锻炼者的骨骼直径增粗，骨髓腔增大，肌纤维增粗，从而使青少年的身体素质发育更加迅速，速度、耐力、肌力等明显提高，动作反应更加准确和灵敏。

⑶生活习惯：合理安排有规律有节奏的生活制度，可以保证青少年有足够的户外活动和适当的学习时间，定时进餐及充分睡眠可以促进他们的生长发育。促进身材长高的生长激素与睡眠有密切关系，夜间分泌的生长激素是白天的3倍以上，睡眠时脊柱、双腿、关节的骺软骨全部处于放松状态，摆脱了身体的压迫及重力的影响，可以自由伸展，有利于骨骼的发育。

（4）气候与季节的影响

气候与季节对生长发育无论在身高或体重方面都有显著影响。一般在春季身高增长最快，秋

季体重增长最快，在3-5月份3个月中身高增加约等于7-11月份身高增加的2.0-2.5倍。

（5）社会因素的影响

主要取决于社会经济条件、父母职业及家庭经济状况。生活在较优裕的社会经济条件下的儿童，其身高增长较快，其中影响最大的是父母职业及文化水平。多子女家庭儿童的身高、体重显著低于子女少的家庭儿童，由此可以解释城市学生的身高平均水平高于乡村同龄学生，也可以解释近年来随着农村经济状况的改善以及我国计划生育政策的逐步落实，乡村男女学生身高的增长幅度明显高于城市同龄学生。

5 结论

在本次人体测量数据统计分析与研究中，首先将调查的100名男生的身高进行分组，通过对测量所得的人体尺寸分区域进行统计分析与比较，最后分析各区域身高存在差异的影响因素。在本设计中得出以下结论：

（1）东北区的男生平均身高最高，西南区男生平均身高最低。

（2）各地区的平均身高都高于国家标准值，标准差都低于国家标准值。

（3）导致各地区身高不同的因素有很多，例如营养状况、体育锻炼、社会因素等等，由于西南区包括贵州、云南等地、地势偏远，多属农村，营养状况不良，导致身高偏矮。

本次设计中也存在很多的不足之处，由于调查的人数为100人，基数较小，而且选取的范围均为安全学院的学生，比较具有局限性，所以误差存在较大。在以后的设计中，会注意基数的选择，在有条件的情况下，扩大调查人数，并在全国范围的各大高校进行调查。从而缩小误差，增大数据处理的精准度。

参考文献：

[1]张力，廖可兵.安全人机工程学[M].北京：中国劳动社会保障出版社，2007

[2]邵象清.人体测量手册[M].上海辞书出版社，1986

[3]陈毅然.人机工程学[M].北京：航空工业出版社，1990

[4]马秉衡，戊成兴.人机学[M].北京：冶金工业出版社，1990

[5]朱祖祥.人类工效学[M].杭州：浙江教育出版社，1996

座椅设计与人体测量及数据应用

座椅设计与人体测量及数据应用 （一）设计问题： 现代座椅设计，要满足人机工程学需求，要便于人使用。 设计思路： ●确定使用人群。 ●确定使用人群需要被测量的数据列表 ●查找数据资料 ●确定百分位选择 ●估计功能修正量和心里修正量，得到准确数据。 ●图示 （二）使用人群：10岁----25岁男女学生群体 （三）需要测量的数据有： 膝 腘 高 度

对于座椅与人体接触部分，需要测量的人体数据有：

（四）查找数据资料： （五）百分位选择：

根据数据类型和实际生活习惯可知： ●坐板高度 应根据膝腘高度中的女士第5百分位数据，即34.6cm，因为如果坐 板太高，大腿会受到压力会使人感到不舒服，如果个子矮小的女士 合适使用，那大个子的人士也可以使用。 ●坐板深度 应根据臀部—膝腘部长度的男士第95个百分位数据，即49.4cm，因 为如果坐板太短，不方便人使用。 ●坐板宽度 应根据坐姿臀部宽度的女士第95个百分位数据，即36.8cm，因为如 果坐板过窄，不利于大腿部位的受力，不方便使用。 ●椅背高度 应根据男士臀部—头顶长度的男士第95个百分位数据，即96.3cm， 因为如果椅背高度过低，显示器会被头部遮挡，不利于交流使用。 ●椅背宽度 应根据男士肩部宽度的男士第95个百分位数据，即40.4cm，因为如 果椅背宽度过窄，会导致男士后仰时，无法舒适使用。 （五）功能修正量 ●坐板高度应加上鞋的高度约3.5cm，凳面高度5cm,即坐板总高为 43cm. ●椅子深度应该适当考虑使用舒适性，所以应该适量增加心理修正量 2cm,即坐便器深度为52cm. ●椅面宽度应该加上两腿坐立放开后增加的臀宽5cm，和心理修正量 10cm，即椅面宽度为52cm. ●椅背高度68cm。显示屏最下端高度96cm。 ●椅背宽度52cm。 ●椅背厚度与坐板厚度根据材料和结构适当定量。

监测数据分析报告

888888 基坑水平位移观测及相邻建筑物沉降观测第五观测周期 （2010-9-2） 监 测 报 告 *******有限公司

二零一0年九月二日 888888 基坑水平位移观测及相邻建筑物沉降观测第五观测周期 （2010-9-2）监测报告 工程编号： 法定代表人： 技术负责人： 审核人： 项目负责人： ********有限公司

二零一0年九月二日 一、本周期观测时间：2010年9月2日 沉降观测仪器：瑞士产徕卡DNA03数字式自动安平精密水准仪配 条码式铟瓦水准钢尺。 水平位移观测仪器：瑞士产徕卡TCR402ultra全站仪配合徕卡 原装专用微型棱镜施测。 二、本周期施工进度：基坑内局部正在做护壁支护加固。本观测周期基坑水平位移9#～14#观测点区域支护结构暂未成形，暂时不具备安点条件；沉降观测相邻建筑物2与相邻建筑物3一侧的基坑未开挖，所以还未对其相邻建筑物进行埋点观测，暂无观测数据。 三、报警值取值说明： 根据国家标准《建筑基坑工程监测技术规范》GB50497-2009第8.0.1条相应规定：“基坑工程监测必须确定监测报警值，监测报警值应满足基坑工程设计、地下结构设计以及周边环境中被保护对象的控制要求。监测报警值应由基坑工程设计方确定。” 1、基坑水平位移最大累计位移量及水平位移变化速率 根据建设方提供的由中国建筑西南勘察设计研究院有限公司编制的“基坑工程设计总说明”中对本基坑变形监测报警值的相应规定：“支护结构顶部水平位移大于30mm，连续3天位移速率大于2mm/d，应进行报警”。 ①累计水平位移量报警值与预警值设定：取该基坑支护结构上口水平位移量监测报警值为30mm，取监测报警值的80%为监测预警值，即监测

人体测量数据统计分析与研究

人体测量数据统计分析与研究 菲菲洋洋 (**安全科学与工程学院，辽宁省阜新市123000) 摘要：人体身高数据在机械设备研发，服装设计等方面有很重要的作用，因此有必要对人体的有关参数进行研究，本文运用人体测量学、数据处理等知识，结合文献调查法、数据统计分析法，调查了安全学院100名男生的身高，对测量获得的数据进行统计、方差计算，同时对所获得的数据进行分析，分析与国家标准的差异、分地区分析人体尺寸的变化、不同地区平均身高上的差异，以及是否符合原国家标准的规定、分析差异存在原因。 关键词：人体测量数据；人体测量学；调查法；数据分析 引言 为了使各种与人有关的机械、设备、产品等能够在安全的前提下高效率的工作，实现人机的最优结合，并使人在使用时处于安全、舒适的状态和无害、宜人的环境之中，现代设计必须充分考虑人体的各种人机学参数，因此有必要对人体的有关参数进行研究。近10年来 ,我国经济迅猛发展 ,人们的生活水平大幅度提高，人们的身体状况是也发生了相应改变，为了更好的了解学生身体状况变化情况 ,本设计对100名学生的身高进行调查，对测试结果内容的分析与探讨,找出存在的主要问题。 1 人体测量的基本知识 1.1 人体测量学 人体测量是一门新兴学科，它所涉及的是一个特定的群体而非个人，选择样本必须考虑有代表性的群体，测量的结果要经过数据统计处理，以反映该群体的形态差异与差异程度。它是通过测量各部位尺寸来确定个体之间和群体之间在人体尺寸上的差别。用以研究人的形态特征，从而为各种安全设计、工业设计和工程设计提供人体测量数据[1]。 1.2 人体测量的主要方法 普通测量法、摄影法、三维数学测量法 1.3人体测量的基本术语 (1)被测者姿势 a立姿 指被测者挺胸直立，头部以眼耳平面定位，眼睛平视前方，肩部放松，上肢自然下垂，手指直，手掌朝向体侧，手指轻贴大腿侧面，自然伸直，左、右足后跟并拢，两足前段分开大致成450夹角，体重均匀分布于两足。 b坐姿 被测者挺胸坐在被调节到肋骨头高度的平面上，头部以眼耳平面定位，眼睛平视前方，左、右大腿大致平行，膝弯曲大致成900，足平放在地面上，手轻放在大腿上。 （2）测量基准面。人体测量基准面是由3个互相垂直的轴来决定的。

数据统计与分析(SPSS).

数据统计与分析（SPSS） 一、课程属性说明 适用对象：教育技术学专业，电子信息科学与技术专业，广告学专业 课程代码：11200913 课程类别：专业任选课 所属学科：计算机科学与技术 授课学期：第8学期 学时：讲授54学时，实验34时 学分：3 教材： 《SPSS for Windows 统计与分析》，卢纹岱主编，电子工业版社，2000年版参考书： 考核方式：考查 评分方法：试验报告20%，上机考试 80% 前导课程：计算机基础，线性代数，概率统计

二、大纲制定依据 对数据进行统计分析是一种十分重要的信息获得的方法，很多领域均需要做这方面的工作。传统的统计分析是由人工计算求解；现在随着计算机应用的普及，越来越多的统计分析工作是由计算机来完成的，现在最为流行也最容易被广大用户接受的统计分析软件是SPSS，本课程就以介绍该软件为核心，并渗透介绍一些统计分析的数学方法，从而满足各专业学生对数据统计分析知识和技能的需求。 三、课程概要与目的任务 1.课程概要 本课程主要由三大部分构成：（1）基本概念和基本操作，其中包括SPSS概述、系统运行管理方式、数据统计处理、数据文件的建立与编辑、文件操作与文本文件编辑；（2）统计分析过程，其中包括统计分析概述、基本统计分析、相关分析均值比较与检验、方差分析、回归分析、据类分析与辨别分析、因子分析、非参数检验、生存分析；（3）统计图形生成与编辑，其中包括生成统计图形、编辑统计图形，创建交互式图形、修饰交互图形 2.课程目的和任务 本课程的目的和任务是使学生理解SPSS软件的功能和应用方法，并能开展简单的数据统计与分析工作。

Kano模型的数据统计分析

Kano模型的数据统计分析 1、用户需求分类 1．1 Kano模型 可以把基本品质、期望品质、和魅力品质理解为客户对产品的要求：功能要求---性价比/品牌效应---附加值/特殊性。 1．2 用户需求分类 将每项用户需求按照Kano模型进行分类，即分为基本品质、期望品质和惊喜品质。先进行用户意见调查，然后对调查结果进行分类和统计。 1．2．1 市场调查 对每项用户需求，调查表列出正反2个问题。例如，用户需求为“一键通紧

急呼叫”，调查问题为“一键通紧急呼叫能随呼随通，您的感受如何?”以及“一键通紧急呼叫不能随呼随通，您的感受如何?”，每个问题的选项为5个，即满足、必须这样、保持中立、可以忍受和不满足。 注：√表示用户意见 1． 2．2 调查结果分类 通过用户对正反2个问题的回答，分析后可以归纳出用户的意见。例如，对某项用户需求，用户对正向问题的回答为“满足”，对反向问题的回答为“不满足”，则用户认为该项需求为“期望品质”。每项用户需求共5×5—25个可能结果。

基本品质、期望品质和惊喜品质是3种需要的结果。其他3种结果分别为可疑、反向和不关心，这是不需要的，必须排除。 (1)可疑结果（用户的回答自相矛盾）。可疑结果共2个，即用户对正反问题的回答均为“满足”或“不满足”。例如，对于“一键通紧急呼叫”，正向问题为“一键通紧急呼叫能随呼随通，您的感受如何?”，用户回答是“满足”；反向问题为“一键通紧急呼叫不能随呼随通，您的感受如何?”，用户回答还是“满足”。这表明无论一键通紧急呼叫是否能随呼随通，用户都会满足，这显然是自相矛盾的。出现可疑结果有2种可能：一是用户曲解了正反问题，二是用户填写时出现错误。统计时需要去除可疑结果。 (2)反向结果（用户回答与调查表设计者的意见相反）。正向问题表明产品具有某项用户需求，反向问题表明不具备该用户需求，正向问题比反向问题具有更高的用户满意，但用户回答却表明反向问题比正向问题具有更高的客户满意度。例如，对用户需求“一键通紧急呼叫”，正向问题为“一键通紧急呼叫能随呼随通，您的感受如何?”，用户回答为“不满足”，反向问题为“一键通紧急呼叫不能随呼随通，您的感受如何?”，用户的回答为“满足”，这显然与调查表设计者的意见相反。反向结果较多时，表明调查表的设计存在问题，需要改进。

能源监测分析报告

能源监测分析报告

XX办公楼 能源在线监测系统分析报告 2 XX 2015年9月

1.能源在线监测系统概述 1.1.能源在线监测系统背景 我国能源利用效率总体偏低，我国国内生产总值约占世界的8.6%，但能源消耗占世界的19.3%，单位国内生产总值能耗仍是世界平均水平的2倍以上。2010年全国钢铁、建材、化工等行业单位产品能耗比国际先进水平高出10%—20%。从这些比较的数字中不难看出，我国节能减排工作任重道远。节约资源和保护环境目前已经是我国的基本国策，推进节能减排工作，加快建设资源节约型、环境友好型社会是我国经济社会发展的重大战略任务。2012年8月6日，国务院印发了《节能减排“十二五”规划》（以下简称《规划》），《规划》提供了“十二五”期间的总体节能目标，即到2015年，全国万元国内生产总值能耗下降到0.869吨标准煤(按2005年价格计算)，比2010年的1.034吨标准煤下降16%(比2005年的1.276吨标准煤下降32%)。“十二五”期间，实现节约能源6.7亿吨标准煤。为了实现“十二五”时期节能减排工作目标，《规划》同时提出了十个方面的保障措施，包括坚持绿色低碳发展，在制定和实施发展战略、专项规划、产业政策时体现节能减排要求；强化目标责任评价考核，进一步完善节能减排统计、监测、考核体系，加强评价考核，实行问责制等。我国节能减排面临着巨大的挑战。面对挑战，《规划》要求充分认识节能减排的极端重要性和紧迫性，增强忧患意识和危机意识，大力推进节能减排。面对挑战，温家宝总理在国务院召开的全国节能减排电视电话会议上曾强调指出：“节能和减排两个约束性指标，是一件十分严肃的事情，不能改变，必须坚定不移的去实现。” 1.2.能源在线监测系统建设意义 通过对中XX大楼内各主要用能单位进行分项计量工作，建立能源监测平台，可以明确各类能耗的用量，进而明确能耗的大小关系，分析能耗的用处、用量以及使用习惯等，为提出节能管理方针提供依据，从而实现公司的节能。具体表现如下：

Excel的统计分析功能

Excel的统计分析功能 Excel是办公自动化中非常重要的一款软件，很多巨型国际企业和国内行政、企事业单位都用Excel 进行数据管理。它不仅能够方便地进行图形分析和表格处理，其更强大的功能还体现在数据的统计分析研究方面。然而很多缺少数理统计基础知识而对Excel强大统计分析功能不够了解的人却难以更加深入、更高层次地运用Excel。笔者认为，对Excel统计分析功能的不了解正是阻挡普通用户完全掌握Excel的拦路虎，但目前这方面的教学文章却又很少见。下面笔者对Excel的统计分析功能进行简单的介绍，希望能够对Excel进阶者有所帮助。 Microsoft Excel提供了一组数据分析工具，称为“分析工具库”，在建立复杂统计或工程分析时，只需为每一个分析工具提供必要的数据和参数，该工具就会使用适宜的统计或工程函数，在输出表格中显示相应的结果。其中有些工具在生成输出表格时还能同时生成图表。 在使用Excel的“分析工具库”时，如果“工具”菜单中没有“数据分析”命令，则需要安装“分析工具库”。步骤如下：在“工具”菜单中，单击“加载宏”命令，选中“分析工具库”复选框完成安装。如果“加载宏”对话框中没有“分析工具库”，请单击“浏览”按钮，定位到“分析工具库”加载宏文件“Analys32.xll”所在的驱动器和文件夹（通常位于“Microsoft Office\Office\Library\Analysis”文件夹中）（Microsoft OfficeXP：插入光盘，即可） ；如果没有找到该文件，应运行“安装”程序。 安装完“分析工具库”后，要查看可用的分析工具，请单击“工具”菜单中的“数据分析”命令，Excel提供了以下15种分析工具。 1、方差分析(anova) 本工具提供了三种工具，可用来分析方差。具体使用哪一工具则根据因素的个数以及待检验样本总体中所含样本的个数而定。 （1）“Anova：单因素方差分析”分析工具 此分析工具通过简单的方差分析(anova)，对两个以上样本均值进行相等性假设检验（抽样取自具有相同均值的样本空间）。此方法是对双均值检验（如t-检验）的扩充。 （2）“Anova：可重复双因素分析”分析工具 此分析工具是对单因素anova分析的扩展，即每一组数据包含不止一个样本。 （3）“Anova：无重复双因素分析”分析工具 此分析工具通过双因素anova分析（但每组数据只包含一个样本），对两个以上样本均值进行相等性假设检验（抽样取自具有相同均值的样本空间）。此方法是对双均值检验（如t-检验）的扩充。 2、相关系数分析工具 此分析工具及其公式可用于判断两组数据集（可以使用不同的度量单位）之间的关系。总体相关性计算的返回值为两组数据集的协方差除以它们标准偏差的乘积： 可以使用“相关系数”分析工具来确定两个区域中数据的变化是否相关，即，一个集合的较大数据是否与另一个集合的较大数据相对应（正相关）；或者一个集合的较小数据是否与另一个集合的较小数据相对应（负相关）；还是两个集合中的数据互不相关（相关性为零）。 3、协方差分析工具 此分析工具及其公式用于返回各数据点的一对均值偏差之间的乘积的平均值。协方差是测量两组数据相关性的量度。（公式略） 可以使用协方差工具来确定两个区域中数据的变化是否相关，即，一个集合的较大数据是否与另一个

如何统计分析非正态分布的数据

如何统计分析非正态分布的数据 小飞看了9月23日医咖会微信推送的“降糖药物利拉鲁肽，还能治疗心衰吗？”的研究（FIGHT 研究）后[1]，不明白研究方法II中的Wilcoxon秩和检验到底是什么，于是来找小咖讨论。 小飞：Wilcoxon秩和检验到底是个什么鬼？ 小咖：这是一种非参数检验方法。 小飞：非参数检验又是个什么鬼啊？ 小咖：平时我们常用的t检验、卡方检验、方差分析等方法都要求样本服从特定的分布（比如t检验要求样本服从正态分布），这些方法被称为参数检验方法。但有些数据并不符合参数检验的要求，最常见的情况是数据不符合正态分布，这时可以使用非参数检验的方法。 非参数检验有很多种，Wilcoxon秩和检验就是其中一种。 小飞：不明觉厉...你还是来个栗子呗。

小咖：好吧。某医生为了评价A药对绝经后妇女的骨质疏松症是否有效，将30名绝经后妇女随机分为两组，干预组研究对象15例，给予A药+乳酸钙治疗；对照组15例，仅给予乳酸钙治疗。24周之后观察两组L2-4骨密度的改善率。数据如下图： 两组骨密度改善率（%） 干预组对照组 ID 改善率ID 改善率 1 -0.20 1 -0.83 2 0.21 2 0.26 3 1.86 3 0.48 4 1.97 4 1.03 5 2.31 5 1.06 6 2.80 6 1.19 7 3.30 7 1.27 8 3.60 8 1.71 9 4.31 9 1.75 10 4.40 10 2.33 11 5.29 11 2.66 12 5.87 12 2.80 13 6.06 13 3.22 14 6.08 14 3.34 15 7.00 15 3.34 小飞：嗯，我明白了。对于这种两组平行设计、结局是不符合正态分布的连续变量，就应当使用Wilcoxon秩和检验对吧？ 小咖：很聪明，给你满分。接下来给你演示一下用SPSS 22.0怎么操作。 （1）数据录入SPSS

企业数据统一上报及经济运行监测分析平台

企业数据统一上报及经济运行监测分析平台 篇一:《XX市工业经济运行监测分析解决方案》XX市工业经济运行监测分析解决方案一、前言工业经济运行工作是政府管理经济的重要方式，对促进经济又好又快发展起到了重要作用。随着经济形势的日益复杂和快速变化，作为整个经济运行工作基础的运行监测分析工作在许多省、市日益得到重视和加强，纷纷建立平台，充实调节手段，落实经费保障，以利政府出台针对性的政策，帮助企业应对快速变化的市场环境，实现经济平稳较快发展。当前XX市工业经济运行监测分析工作横向存在部门之间信息交流不畅、共享难的问题，纵向存在企业数据收集难的问题，已难以适应工业经济快速发展的要求。二、系统简介XX市工业经济运行监测分析系统由XX市下辖X个市辖区、X个县X个子系统组成，用户分为“市、县、企业”三级，是三级串联、双向互动、交叉共享、双系统运行的即时数据平台。系统围绕企业经济运行数据的‘申报、审核、统计、分析’等各个环节，由下到上可以分级上报数据，由上到下可以设权查询信息，公开数据信息可以共享，同时可以了解企业反映的生产经营困难和问题，帮助企业在市场中获得更强的竞争力。加强经济运行监测，提高经济形势分析工作的准确性、预见性和针对性, 提升经济决策的科学性和提升服务企业能力，为市委、市政府

领导决策提供参考依据。三、系统功能系统主要包括四方面内容：一是工业企业主要经济指标月报，重点企业主要经济指标旬报、重点工业产品生产旬报和节假日生产经营日报四个调度报表，涉及企业主营业务收入、利润、利税、两项资金占用、流动资金需求等50余项经济指标以及90多类工业产品产量。二是重点企业的生产经营情况包括生产分析、效益分析、重点项目建设和投产分析。三是企业生产经营中出现问题的预警机制。四是促进工业平稳健康发展的建议措施。监测分析系统建设的原则和主要内容按照“调度及时快捷、用户使用方便、信息采集准确、政企信息互动、资源共享互利”的原则规划设计了7个子系统。1、信息直报系统。信息直报系统是监测分析系统的主要组成部分，包括企业数据直报和各市运行情况直报两个模块。各企业报送重点产品产能、产量、库存、平均价格及订单、出口、用电、产值等指标。2、数据分析系统。系统对各市和企业报送的数据进行汇总归档，建立数据库。各用户分省、市、县、企业等不同权限，根据需要进行相关查询，系统提供分类数据库和相关图表的导出功能。3、信息发布系统。信息发布系统包括运行快报、运行月报、行业情况、综合资料、国家资讯、市地情况、经济指标、财经资讯等8个信息模块，供各用户分权限参阅。4、业务催报系统。系统对没按时间要求报送的用户实施催报。催报方式包括信息推送和短信通知两种方

利用Excel数据分析功能求各种统计指标

实验一利用Excel数据分析功能求各种统计指标 实验目的：熟练运用excel数据分析功能求各种统计指标 实验内容： 2006年全国各地区财政收入如下表所示，试计算这31个地区财政收入的平均值、中位数、众数、标准差和偏度系数SK。 表1.1 各地区财政收入表（2006） 北京11171514 安徽4280265四川6075850 天津4170479 福建5411707贵州2268157 河北6205340 江西3055214云南3799702 山西5833752 山东13562526西藏145607 内蒙古3433774 河南6791715陕西3624805 辽宁8176718 湖北4760823甘肃1412152 吉林2452045 湖南4779274青海422437 黑龙江3868440 广东21794608宁夏613570 上海15760742 广西3425788新疆2194628 江苏16566820 海南818139 浙江12982044 重庆3177165 实验步骤： 1．如图1.3所示，在工作表的某一列中输入数据。 2．点击“工具—数据分析”，打开“数据分析”对话框，如图1.1所示 图1.1 “数据分析”对话框 3．选择“描述统计”功能，单击“确定”，系统打开描述统计对话框，如1.2所示。

图1.2 描述统计对话框 4．如图1.2所示，选定数据的输入区域；分组方式选择“逐列”；选定一个输出区域；再选定“汇总统计”复选框，系统输出计算结果，如图1.3所示。 图1.3用Excel数据分析功能球各种统计指标

结果分析： 在系统的输出中，“平均”即均值X，反映了全国各地区财政收入的平均水平；“标准 误差”为样本均值的标准差，反映了用平均值代表性的大小，本例中标准误差的值很大，说明平均值的代表性差，各地区的财政收入差异比较大；“众数”即出现次数最多的标志值，由于本例中31个标志值互不相同，故没有众数；“标准差”为总体标准差；“方差”为总体方差；本例中峰度的值大于零，表示分布比正态分布更集中在平均数周围，分布呈尖峰状态；偏度的值大于零，说明分布呈正偏斜，即大部分标志值是大于平均值的。 （注：可编辑下载，若有不当之处，请指正，谢谢!）

用Excel做数据分析——描述统计

实验一：用Excel做数据分析——描述统计 一、实验目的和要求 1.利用Excel统计样本数据分布区间； 2.利用Excel统计标准差等。 二、实验课时：2课时 三、实验内容与步骤 注：本功能需要使用Excel扩展功能，如果您的Excel尚未安装数据分析，请依次选择“工具”-“加载宏”，在安装光盘中加载“分析工具库”。加载成功后，可以在“工具”下拉菜单中看到“数据分析”选项。 1.打开原始数据表格，制作本实验的原始数据无特殊要求，只要满足行或列中为同一属性数值即可。 2. 选择“工具”-“数据分析”-“描述统计”后，出现属性设置框，依次选择：

输入区域：原始数据区域，可以选中多个行或列，注意选择相应的分组方式； 注：选择数据列（两列），不要包含文字，否则Excel无法进行计算 如果数据有标志，注意勾选“标志位于第一行”；如果输入区域没有标志项，该复选框将被清除，Excel 将在输出表中生成适宜的数据标志； 输出区域可以选择本表、新工作表或是新工作簿； 汇总统计：包括有平均值、标准误差(相对于平均值)、中值、众数、标准偏差、方差、峰值、偏斜度、极差、最小值、最大值、总和、总个数、最大值、最小值和置信度等相关项目。 其中： 中值：排序后位于中间的数据的值； 众数：出现次数最多的值； 峰值：衡量数据分布起伏变化的指标，以正态分布为基准，比其平缓时值为正，反之则为负； 偏斜度：衡量数据峰值偏移的指数，根据峰值在均值左侧或者右侧分别为正值或负值； 极差：最大值与最小值的差。 第K大(小)值：输出表的某一行中包含每个数据区域中的第k 个最大(小)值。 平均数置信度：数值95% 可用来计算在显著性水平为5% 时的平均值置信度。

数据统计分析

专题五数据分析与多项式计算5.1 数据统计分析 ?求最大元素与最小元素 ?求平均值与中值 ?求和与求积 ?累加和与累乘积 ?求标准差与相关系数 ?排序

1. 求矩阵的最大元素和最小元素 ?max()：求向量或矩阵的最大元素。?min()：求向量或矩阵的最小元素。

当参数为向量时，上述函数有两种调用格式： （1）y=max(X)：返回向量X的最大值存入y，如果X中包含复数元素，则按模取最大值。 （2）[y,k]=max(X)：返回向量X的最大值存入y，最大值元素的序号存入k，如果X中包含复数元素，则按模取最大值。

例1 求向量x的最大元素，其中x=[-43,72,9,16,23,47]。>> x=[-43,72,9,16,23,47]; >> y=max(x) y= 72 >> [y,k]=max(x) y= 72 k= 2

当参数为矩阵时，函数有三种调用格式： （1）max(A)：返回一个行向量，向量的第i个元素是矩阵A的第i列上的最大值。 （2）[Y,U]=max(A)：返回行向量Y和U，Y向量记录A中每列的最大值，U向量记录每列最大值元素的行号。 （3）max(A,[],dim)：dim取1或2。dim取1时，该函数的功能和max(A)完全相同；dim取2时，该函数返回一个列向量，其第i个元素是A矩阵的第i行上的最大值。 思考：对矩阵按行求最大元素，仅使用第一种格式，能够做到吗？

例2 求矩阵A 的每行及每列的最大元素，并求整个矩阵的最大元素。 ?? ??? ???? ??????=10 1 56325782356325785613A >> A=[13,-56,78;25,63,-235;78,25,563;1,0,-1];>> max(A)ans= 78 63 563 >> max(A,[],2)ans= 78635631 >> max(max(A)) ans= 563 思考：用什么方法只调用一次max 函数就能求得整个矩阵的最大值？