基于R语言的现代统计分组处理原则［提要］在已经划分组距的状况下，为了处理某些单位的标志值正好等于组上限下限数值的情形，一般把这种特别的数值划归到下限组，这一原则称为“上限不在内原则”，这种统计界的行规是否具备内在的理性？可否可以改进？关键词：统计分组；上限不在内原则；变量分布中图分类号：TP31文献标识码：A原标题：现代统计分组的处理原则一一基于R语言的处理方法收录口期：2014年4月10B一、统计界行规统计界一直存在一个这样的惯例，统计分组时使用上限不在内原则。这一原则存在于各大教科书中，也是国家统计局主导的全国统计资格考试的官方标准答案。在google搜索引擎中输入“统计学上限不在内”，可以找到169本教林千篇一律、异口同声地对这个问题，进行全部一致的表述。我们抽取第一本教材，《统计学教程》（清华大学出版社2006年，卢小广主编），在采用重合组限场合，为了贯彻“不重不漏”原则，一般采用“上限不在内”统计惯例的处理方式。所谓上限不在内，完整表述是“下限在内、上限不在内”，凡是其数值恰好等于某组上限的数据，在重合组限场合必然同时等于其以上一组的下限……中国国内所有统计学教科书中众口一词，千篇一律，进行这样的表述。国家统计局主导的2012年度全国统计专业技术中级资格考试，统计基础理论及相关知识试卷（A卷）第一大题单项选择题的第四小题，在统计分组中，如果某一数值恰好等于某一组的组限时，贝慄取（B・上限不在内的原则）。国家统计局作为行业领导，采取这样一种观念，更加重了统计界对这个问题的看法。仔细分析可以发现，上限不在内原则是慕于重叠分组而产生，一个组的上限和另一个组的下限相等时，我们人为裁定：上限不在内。这个数据就要划归到下限组。如果我们在分组的时候，不采取重叠分组，这个问题就简简单单地规避了，也不会有上限不在内的说法了。统计分组的最基础原则应该是：全面覆盖，不重不漏。以此为岀发点,可以避免人为硬性规定“上限不在内”的做法。无论如何分组，只要做到全部覆盖，相邻区间端点不重合，不遗漏，就无需再提“上限不在内”。重叠分组将导致某个值正好等于区间端点，如何将它划入哪个区间的两难境地。这种做法也符合数学上的美：完备性。你分割的区间对所研究问题的值域，构成一种无重复的完备分割。进一步查看国内的统计学教材，你会发现，居然是用手工检测的方式来保证这种上限不在内的原则得以履行。二、国际统计软件的处理方法国际统计学界最流行的软件是R,它是一个有着统计分析功能及强大作图功能的软件，在GNU协议GeneralPublicLicenced下免费发彳亍。它[,1][,2][,3][,7][,8][,9][,10]826886948963777684897578818276998084898860837283855686687510090847586747795638076[5,]是面向对象的统计编程语言，是由AT&T贝尔实验室所创的S语言发展出的一种方言。R是一种为统计计算和图形显示而设计的语言及环境。它是以开源项目形式发展出來的一套国际通用统计科学计算包，http：//www.r-project.org/,已成为统计界的标准学术语言。R采取了一种怎样的处理方式呢？R软件的处理原则是：全血覆盖、不重不漏。由于它没有采用重叠分组，因此无需硬性规定“上限不在内”。下面，我们给一个具体的实例，用R语言进行编程处理，并给出全部的代码。某班50名学生的统计基础谍程期中测试成绩如下，请统计分组后，编制变量数列。依照不重叠分组的原则，对于这次考试成绩，我们可以分成5组，前而4组全部是左开右闭，最后一组两侧区间全部封闭。[0-60)0〈二考试成绩〈60[60-70)60〈二考试成绩〈70[70-80)70〈二考试成绩〈80[80-90)80〈二考试成绩〈90[90-100]90〈二考试成绩〈二100从这里可以看到，只耍我们实行不重叠分组，采用全部覆盖，不重不漏的原则，无需再提及“上限不在内”的说法。4][,5][,6][,[1，][2,][3,][4,]100437681797496526986下面我们用R语言來实现变量数列的编制。rawdata二826886948963777684897578818276998084898860837283855686687510090847586747795638076100437681797496526986'#raw_data=，z是进行原始数据的赋值.data<~scan(LextConnection(rawdata))#将原始数据正式读...