專利名稱：一種統(tǒng)計(jì)資料的分析方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種資料分析方法，特別指一種統(tǒng)計(jì)資料的分析方法，該方法可以提高統(tǒng)計(jì)資料預(yù)測(cè)的準(zhǔn)確率，從而使統(tǒng)計(jì)資料的利用更加可靠。
背景技術(shù)：
調(diào)查是針對(duì)某一群體的特定現(xiàn)象進(jìn)行研究，以期發(fā)掘出有用的資料供學(xué)術(shù)、商業(yè)利用或決策參考的行為，分為普查及抽查；普查必須動(dòng)用較多的人力及物力和較長(zhǎng)的時(shí)間， 因此不適合經(jīng)常性進(jìn)行；抽查可針對(duì)研究對(duì)象抽取少部分的樣本，因而在人、物力及時(shí)間上比普查精簡(jiǎn)，所以能經(jīng)常性進(jìn)行，但是抽取的樣本是否足以代表及反應(yīng)母群體的真實(shí)情形， 是抽查必須嚴(yán)肅對(duì)待的課題。在資料預(yù)測(cè)過(guò)程，可以根據(jù)母群體(Population)的可能特性以不同的統(tǒng)計(jì)分布進(jìn)行，較常用的是均勻分布(Uniform DistHbution)或常態(tài)分布(Normal Distribution)； 然而經(jīng)過(guò)上述分布所完成的抽樣結(jié)果，哪一種的次料預(yù)測(cè)準(zhǔn)確率較高或者哪一種的預(yù)測(cè)信賴水平(Confidence level)較好，并未有確切的答案，因此造成預(yù)測(cè)資料使用的不安定性。

發(fā)明內(nèi)容
有鑒于現(xiàn)有技術(shù)的存在的上述問(wèn)題，本發(fā)明的主要日的在于提供一種統(tǒng)計(jì)資料的分析方法，以期提高資料預(yù)測(cè)的準(zhǔn)確率。為了實(shí)現(xiàn)上述目的，本發(fā)明提供一種統(tǒng)計(jì)資料的分析方法，其步驟包括以常態(tài)分布從一母群體中抽取一第一資料，并求出所述第一資料的眾數(shù)(mode)；以均勻分布再?gòu)乃瞿溉后w中抽取一第二資料，其中所述第二資料的每一變量的抽樣數(shù)低于所述第一資料的眾數(shù)的峰值；將所述第一資料與所述第二資料結(jié)合，以形成一第三資料；將所述第三資料與一第四資料結(jié)合，并進(jìn)行資料的清洗、串連及資料挖掘(Data Mining)以獲得一第五資料；以及驗(yàn)證所述第五資料的準(zhǔn)確率。作為優(yōu)選，當(dāng)所述第一資料的眾數(shù)的峰值的一半大于三十時(shí)，將所述第二資料的每一變量的抽樣數(shù)定為所述峰值的一半；反之，當(dāng)所述第一資料的眾數(shù)的峰值的一半小于三十時(shí)，則將所述第二資料的每一變量的抽樣數(shù)定為三十。作為優(yōu)選，所述第四資料的樣本數(shù)大于所述第一資料和所述第二資料的合計(jì)樣本數(shù)，例如所述第一資料和所述第二資料可以是一種根據(jù)所要獲取的信息而設(shè)計(jì)有多種訊息項(xiàng)目的資料，例如問(wèn)卷資料或市調(diào)資料；而所述第四資料可以是根據(jù)每一次行為而被動(dòng)獲得的資料，例如一銷售端(Point 0fSales,P0S)的資料，如發(fā)票。作為優(yōu)選，選定一已知的呈常態(tài)分布的母群體為資料抽取對(duì)象。通過(guò)本發(fā)明如上所述的統(tǒng)計(jì)資料的分析方法，可以提高現(xiàn)有技術(shù)的資料預(yù)測(cè)方法的預(yù)測(cè)準(zhǔn)確率，使預(yù)測(cè)資料的可信賴水平提高。


CN 102455993 A說(shuō)明書(shū)2/4 頁(yè)圖1為本發(fā)明的統(tǒng)計(jì)資料的分析方法的步驟示意圖。圖2為本發(fā)明的統(tǒng)計(jì)資料的分析方法的第一資料的分布機(jī)率密度函數(shù)圖。圖3為本發(fā)明的統(tǒng)計(jì)資料的分析方法的第二資料的分布機(jī)率密度函數(shù)圖。圖4為本發(fā)明的統(tǒng)計(jì)資料的分析方法的第三資料的分布機(jī)率密度函數(shù)圖。
具體實(shí)施例方式下面結(jié)合附圖對(duì)本發(fā)明的實(shí)施例做進(jìn)一步地詳細(xì)說(shuō)明。如圖1所示，本發(fā)明的統(tǒng)計(jì)資料的分析方法包括下列步驟以常態(tài)分布從一母群體中抽取一第一資料，并求出第一資料的眾數(shù)；以均勻分布再?gòu)哪溉后w中抽取一第二資料， 其中第二資料的每一變量的抽樣數(shù)低于第一資料的眾數(shù)的峰值；將第一資料與第二資料結(jié)合，以形成一第三資料；將第三資料與一第四資料結(jié)合，并進(jìn)行資料的清洗、串連及資料挖掘以獲得一第五資料；以及驗(yàn)證第五資料的準(zhǔn)確率。如上所述的統(tǒng)計(jì)資料的分析方法，其中以常態(tài)分布從母群體中抽取第一資料，是假設(shè)母群體的分布未知，因此以常態(tài)分布方式先進(jìn)行母群體的抽樣，以制作一呈常態(tài)分布的第一資料，例如可利用市場(chǎng)調(diào)查方式獲得某一商品的消費(fèi)年齡層分布。然而，如果已知母群體為呈常態(tài)分布，則直接以隨機(jī)抽樣的方式形成第一資料，并求出第一資料的眾數(shù)。上述第二資料在本實(shí)施例中是根據(jù)研究者的需求而設(shè)計(jì)出具有多面向的資料，例如具有消費(fèi)者的年齡、職業(yè)、收入、教育程度及消費(fèi)習(xí)慣等資料的市調(diào)資料，以便能提供兼具深度及廣度的具有參考性的資料。上述將第一資料與第二資料結(jié)合以形成第三資料，其目的在于彌補(bǔ)個(gè)別資料的不足，以增加資料的可參考性。如以常態(tài)分布制作的第一資料，會(huì)有分布中央過(guò)度集中強(qiáng)化及分布兩側(cè)過(guò)于萎縮弱化的現(xiàn)象，如圖2所示，造成資料可參考性不足。有鑒于此，根據(jù)第一資料眾數(shù)峰值并以均勻分布制作的第二資料，如圖3所示，可以將第一資料變量中不足的樣本數(shù)補(bǔ)足，以提高各變量的資料可參考性。最后，將第一資料與第二資料結(jié)合形成第三資料，并由第四圖的第三資料的分布可看出，發(fā)生于第一資料的中央過(guò)度集中強(qiáng)化及兩側(cè)過(guò)于萎縮弱化的分布現(xiàn)象已解決，使得各變量的樣本數(shù)足夠反應(yīng)母群體的現(xiàn)象，以增加預(yù)測(cè)資料的準(zhǔn)確率。另一方面，本實(shí)施例的第四資料設(shè)定為一隨機(jī)獲取的資料，例如是一記載有消費(fèi)金額、品項(xiàng)及日期的零售端資料，如發(fā)票存單。因此，在本實(shí)施例中，第四資料的樣本數(shù)大于第一、二資料的合計(jì)樣本數(shù)，因此可利用本發(fā)明人申請(qǐng)專利的資料整合方法(TW097118500、 CN200810125709. 9、US12139759)，將少量樣本數(shù)但資料參考性高的資料，結(jié)合一大顯樣本數(shù)的隨機(jī)資料，使預(yù)估資料得以擴(kuò)充，以增加其參考價(jià)值，及資料使用的極限。將上述的第三資料和第四資料合并，送入一統(tǒng)計(jì)工具進(jìn)行資料的清洗、串連及資料挖掘以獲得第五資料。其中資料挖掘通過(guò)建立預(yù)測(cè)模型來(lái)實(shí)現(xiàn)，其可使用支撐向量機(jī) (Support Vector Machine，SVM)、直線回歸、曲線回歸、邏輯回歸、Time kries等預(yù)測(cè)模型；并且，進(jìn)行資料挖掘前，若資料數(shù)太大，還可先將資料分成數(shù)群再分別進(jìn)行模型預(yù)測(cè)，最后再進(jìn)行個(gè)別預(yù)測(cè)資料的合并，以便提高預(yù)測(cè)結(jié)果的準(zhǔn)確率。以下試舉一具體實(shí)施例說(shuō)明上述各步驟的實(shí)際操作，其中具體實(shí)施例以一面館為調(diào)查對(duì)象，其中母群體為面館的所有消費(fèi)者即顧客，而本具體實(shí)施例是為了了解不同年齡層的消費(fèi)行為而進(jìn)行調(diào)查。首先，假設(shè)面館的顧客中的年齡層分布末知，因此從面館的顧客(母群體)中以符合中央極限定理(Central Limit Theorem ；C. L. Τ)的樣本數(shù)，并以至少其中一變量為年齡段設(shè)計(jì)一問(wèn)卷資料。由中央極限定理可知該問(wèn)卷最后所得的資料分布為呈常態(tài)分布，即本發(fā)明上述較佳實(shí)施步驟所稱以常態(tài)分布從一母群體中抽取一第一資料，其結(jié)果如表1所示。由表1所呈現(xiàn)的面館最多消費(fèi)群集中于25- 歲可得知，第一資料的眾數(shù)為25- 歲， 而眾數(shù)的峰值為40。表 權(quán)利要求
1.一種統(tǒng)計(jì)資料的分析方法，其特征在于，包括以下步驟以常態(tài)分布從一母群體中抽取一第一資料，并求出所述第一資料的眾數(shù)；以均勻分布再?gòu)乃瞿溉后w中抽取一第二資料，其中所述第二資料的每一變量的抽樣數(shù)低于所述第一資料的眾數(shù)的峰值；將所述第一資料與所述第二資料結(jié)合，以形成一第三資料；將所述第三資料與一第四資料結(jié)合，并進(jìn)行資料的清洗、串連及資料挖掘以獲得一第五資料；以及驗(yàn)證所述第五資料的準(zhǔn)確率。
2.如權(quán)利要求1所述的統(tǒng)計(jì)資料的分析方法，其特征在于，當(dāng)所述第一資料的眾數(shù)的峰值的一半大于三十，則所述第二資料的每一變量的抽樣數(shù)定為所述峰值的一半。
3.如權(quán)利要求1所述的統(tǒng)計(jì)資料的分析方法，其特征在于，當(dāng)所述第一資料的眾數(shù)的峰值的一半小于三十，則所述第二資料的每一變量的抽樣數(shù)定為三十。
4.如權(quán)利要求1所述的統(tǒng)計(jì)資料的分析方法，其特征在于，所述第四資料的樣本數(shù)大于所述第一資料和所述第二資料的合計(jì)樣本數(shù)。
5.一種統(tǒng)計(jì)資料的分析方法，其特征在于，包括以下步驟從一呈常態(tài)分布的母群體中抽取一第一資料，并求出所述第一資料的眾數(shù)；以均勻分布再?gòu)乃瞿溉后w中抽取一第二資料，其中所述第二資料的每一變量的抽樣數(shù)低于所述第一資料的眾數(shù)的峰值；將所述第一資料與所述第二資料結(jié)合，以形成一第三資料；將所述第三資料與一第四資料結(jié)合，并進(jìn)行資料的清洗、串連及資料挖掘以獲得一第五資料；以及驗(yàn)證所述第五資料的準(zhǔn)確率。
全文摘要
本發(fā)明涉及一種統(tǒng)計(jì)資料的分析方法，其步驟包括以常態(tài)分布從一母群體中抽取一第一資料，并求出所述第一資料的眾數(shù)；以均勻分布再?gòu)乃瞿溉后w中抽取一第二資料，其中所述第二資料的每一變量的抽樣數(shù)低于所述第一資料的眾數(shù)的峰值；將所述第一資料與所述第二資料結(jié)合，以形成一第三資料；將所述第三資料與一第四資料結(jié)合，并進(jìn)行資料的清洗、串連及資料挖掘以獲得一第五資料；以及驗(yàn)證所述第五資料的準(zhǔn)確率。如此，可以提高統(tǒng)計(jì)資料預(yù)測(cè)的準(zhǔn)確率。
文檔編號(hào)G06F17/18GK102455993SQ201010517140
公開(kāi)日2012年5月16日 申請(qǐng)日期2010年10月19日 優(yōu)先權(quán)日2010年10月19日
發(fā)明者張聰信 申請(qǐng)人:泓廣信息有限公司