统计学案例
使用统计学方法解决实际问题的案例分析
使用统计学方法解决实际问题的案例分析统计学是一种应用数学，它通过收集、整理、分析和解释数据，来帮助人们理解和解决实际问题。
统计学方法可以应用于各个领域，包括商业、医疗、环境、教育等。
本文将通过案例分析的形式，了解如何使用统计学方法解决实际问题。
案例一：零售业销售数据分析某零售业公司想要了解其销售数据的走势，以便做出更好的营销决策。
他们提供了过去一年的销售数据，包括每月销售额、销售量、促销活动等信息。
首先，利用统计学方法对销售数据进行分析。
通过统计学方法，我们可以计算出销售额和销售量的平均值、中位数和标准差，以了解销售数据的分布情况。
同时，我们可以利用相关系数分析销售额和促销活动之间的关系，以确定促销活动对销售额的影响程度。
接下来，我们可以利用数据可视化工具，如折线图、柱状图等，将销售数据进行可视化展现。
通过可视化分析，我们可以清晰地看到销售额和销售量的变化趋势，以及促销活动对销售额的影响程度。
司提供相关建议，比如哪些产品在不同月份的销售额最高，何时进行促销活动效果最好等。
这些建议将帮助零售业公司改进营销策略，提高销售业绩。
案例二：医疗数据分析某医疗机构想要了解患者的就诊情况，以便改进医疗服务。
他们提供了过去一年的门诊和住院病例数据，包括就诊人数、疾病种类、就诊费用等信息。
首先，利用统计学方法对就诊数据进行分析。
我们可以计算出就诊人数和就诊费用的平均值、中位数和标准差，以了解就诊数据的分布情况。
同时，我们可以利用频数分析疾病种类的分布情况，以确定不同疾病在就诊人群中的比例。
接下来，我们可以利用数据可视化工具，如饼状图、条形图等，将就诊数据进行可视化展现。
通过可视化分析，我们可以清晰地看到不同疾病在就诊人群中的比例，以及不同疾病的就诊费用情况。
提供相关建议，比如哪些疾病在就诊人群中的比例较高，哪些疾病的就诊费用较高等。
这些建议将帮助医疗机构改进医疗服务，提高患者满意度。
综上所述，统计学方法可以帮助人们理解和解决实际问题。
生活中统计学案例
生活中统计学案例统计学是一门研究数据收集、分析和解释的学科，它在我们的生活中起着重要作用。
今天，我们将通过一些生活中的实际案例来了解统计学是如何应用于我们的日常生活中的。
首先，我们来看一个关于健康的统计学案例。
假设我们想要了解某个地区的居民患糖尿病的比例。
我们可以通过对该地区的居民进行抽样调查，然后利用统计学方法来分析这些数据。
通过对样本数据的分析，我们可以得出该地区居民患糖尿病的比例的估计值，并且可以计算出这一估计值的置信区间，从而对结果的可靠性进行评估。
其次，我们来看一个关于市场营销的统计学案例。
假设一家公司想要了解他们的产品在不同年龄段消费者中的受欢迎程度。
他们可以通过对不同年龄段的消费者进行问卷调查，收集关于他们对该产品的态度和购买意愿的数据。
然后，通过对这些数据的统计分析，他们可以得出不同年龄段消费者对产品的平均评分和购买意愿的比例，从而为公司的市场营销策略提供重要参考。
再来看一个关于教育的统计学案例。
假设一所学校想要评估他们的教学质量，他们可以通过对学生进行考试，收集学生成绩的数据。
然后，通过对这些数据的统计分析，他们可以得出学生的平均成绩、及格率、优秀率等指标，从而评估学校的教学质量，并且可以找出学习成绩较差的学生，为他们提供有针对性的帮助。
最后，我们来看一个关于环境保护的统计学案例。
假设我们想要了解某个地区的空气质量状况。
我们可以通过对该地区空气中污染物浓度的监测，收集空气质量数据。
然后，通过对这些数据的统计分析，我们可以得出空气污染物的平均浓度、超标率等指标，从而评估该地区的空气质量状况，并且可以找出污染物浓度较高的地区，采取相应的环境保护措施。
通过以上生活中的统计学案例，我们可以看到统计学在我们的日常生活中扮演着重要的角色。
它不仅可以帮助我们更好地了解现实世界，还可以为我们的决策提供科学依据。
因此，学习统计学是非常重要的，它可以让我们更好地理解和应用数据，从而更好地适应和改善我们的生活。
生活中的统计学案例
生活中的统计学案例生活中的统计学案例无处不在，统计学作为一门应用广泛的学科，其实际应用涵盖了生活的方方面面。
从日常生活中的消费数据到医疗领域的疾病统计，从教育领域的学生成绩分析到经济领域的市场调查，统计学都扮演着不可或缺的角色。
下面，我们将通过几个生活中的具体案例，来展示统计学在实际生活中的应用。
首先，我们来看一个关于市场调查的案例。
某公司推出了一款新产品，想要了解消费者对该产品的满意度。
他们进行了一次市场调查，通过问卷调查的方式收集了大量数据。
在统计学的帮助下，他们可以对这些数据进行分析，得出消费者对产品的整体满意度，以及不同年龄、性别、地域等因素对满意度的影响。
通过统计学的分析，公司可以更好地了解消费者的需求，为产品的改进提供依据。
其次，我们来看一个关于医疗领域的案例。
某医院统计了一段时间内的疾病发病率数据，发现某种疾病的发病率呈上升趋势。
统计学的方法可以帮助医院分析这些数据，找出可能的病因和影响因素。
通过统计学的分析，医院可以及时采取相应的预防措施，有效控制疾病的传播。
再次，我们来看一个关于教育领域的案例。
某学校对学生的期末考试成绩进行了统计分析，发现数学成绩普遍较低。
通过统计学的方法，学校可以对学生的学习情况进行分析，找出存在的问题和不足之处。
同时，还可以通过统计学的方法，找出学习成绩较好的学生的学习方法和习惯，为其他学生提供学习的借鉴和指导。
最后，我们来看一个关于日常生活消费数据的案例。
某家庭通过统计每个月的生活消费数据，发现了一些意想不到的情况。
通过统计学的方法，他们可以对不同方面的消费进行分析，找出存在的问题和改进的空间。
通过统计学的分析，他们可以更好地理财，合理安排生活消费，提高生活质量。
通过以上几个生活中的统计学案例，我们可以看到统计学在实际生活中的重要作用。
无论是在市场调查、医疗领域、教育领域，还是在日常生活中的消费数据分析，统计学都可以为我们提供有力的支持和帮助。
因此，学习统计学，掌握统计学的方法和技巧，对我们的生活和工作都是非常有益的。
统计学案例分享
统计学案例分享
一个统计学案例分享是关于市场调研的案例。
假设某公司想要了解消费者对其产品的态度和购买意愿，以便指导市场营销策略。
为了达到这个目的，他们决定进行一项大规模的市场调研活动。
首先，他们制定了一个调研问卷，包括有关产品的属性和消费者个人信息的问题。
然后，他们选择了一定数量的受访者，确保他们覆盖了不同的年龄、性别、职业和地理位置等因素。
之后，调研员们采访了这些受访者，并记录了他们的回答。
他们还运用统计学的方法对这些数据进行分析。
他们计算了不同属性与购买意愿之间的相关系数，例如产品的价格与购买意愿之间的相关关系，或者产品的质量与购买意愿之间的相关关系。
最后，他们将这些分析结果应用到实际的市场推广活动中。
根据统计学的结果，他们可以针对不同的消费群体采取不同的市场定位和推广策略。
例如，如果分析结果表明高价格对购买意愿有负面影响，他们可以考虑降低产品价格或者提供更多的优惠活动来增加消费者的购买意愿。
通过这个统计学案例分享，可以看到如何利用统计学的方法来分析市场调研数据，并将分析结果转化为实际的市场营销策略，以优化产品推广和销售。
这个案例展示了统计学在市场调研中的应用，以及统计学对于决策制定的重要性。
统计学在决策分析中的实践案例
统计学在决策分析中的实践案例随着社会的发展和竞争的加剧，决策分析在各个领域中的重要性日益凸显。
而统计学作为一种重要的决策工具，在决策分析中也起着关键的作用。
本文通过介绍几个实践案例，来探讨统计学在决策分析中的应用。
案例一：市场营销决策在市场营销中，决策者需要根据市场的需求和竞争情况来进行产品定位和市场推广。
统计学通过市场调研和数据分析，为决策者提供了有力的决策支持。
以某企业的市场推广决策为例，该企业计划推出一款新产品。
为了了解市场的需求，他们进行了一次市场调研，并采集了大量的数据。
通过对这些数据进行统计分析，他们发现目标客户群体更倾向于价格相对较低的产品。
基于这个发现，他们决定以价格优势为主要推广点，制定相应的市场推广策略。
通过引入统计学的分析手段，该企业最终在市场中获得了成功。
案例二：风险管理决策在金融行业中，风险管理是一个重要的问题。
通过统计学的方法，可以对市场风险进行预测和控制。
某投资公司在进行投资决策时，需要考虑不同投资组合的风险和收益。
通过对历史数据进行回归分析和风险评估，他们可以得到不同投资组合的预期风险和收益。
通过权衡各个投资组合的风险和收益，他们可以最大程度地提高投资回报，同时降低投资风险。
案例三：质量管理决策在生产制造领域中，质量管理是确保产品质量的关键环节。
统计学可以帮助企业进行质量控制，提高产品的质量。
某汽车制造公司在生产过程中，发现某批次产品出现了较高的不合格率。
为了解决这个问题，他们通过统计学的方法进行了质量分析。
通过对生产数据进行抽样和假设检验，他们发现问题出现在某个工段的生产过程中。
通过对该工段进行优化和改进，最终将产品的质量问题解决，提高了整体产品的质量水平。
总结统计学作为决策分析的工具之一，在实践中发挥着重要的作用。
通过统计学的方法，可以对市场需求进行分析，帮助企业制定市场推广策略；可以对风险进行预测和控制，帮助金融机构做出更明智的投资决策；可以对质量问题进行分析，帮助企业提高产品质量。
统计学教学案例(精选)
用于研究不同组别间均值差异的显著性，判断因素对结果的影响是 否显著。
回归分析
用于研究变量之间的关系，通过建立回归方程预测因变量的取值。
应用实例
在农业生产中，通过方差分析比较不同施肥方案对作物产量的影响 ，利用回归分析预测未来产量趋势。
04 非参数统计案例
非参数检验方法简介
非参数检验的定义与特点
先验概率
根据以往经验和分析得到的概率。
似然函数
表示在给定参数下，观测数据出现的概率。
后验概率
在得到新的观测数据后，对先验概率进行更新得到的概率。
贝叶斯网络模型构建与评估
贝叶斯网络
一种概率图模型，用于表示变 量间的依赖关系。
网络结构学习
通过数据学习贝叶斯网络的结 构，即变量间的依赖关系。
参数学习
在已知网络结构的情况下，通 过数据学习变量的条件概率分 布。
提高统计软件应用能力
通过实践操作，学生应熟练掌握至少一种统计软 件（如SPSS、R、Python等），提高数据处理 和分析效率。
统计学发展趋势探讨
大数据与人工智能融合
随着大数据和人工智能技术的不 断发展，统计学将更加注重与这 些技术的融合，提高数据处理和 分析的智能化水平。
跨领域应用拓展
统计学将在更多领域发挥重要作 用，如生物医学、环境科学、社 会科学等，为跨学科研究提供有 力支持。
频数分布表
通过分组整理数据，展示 各组数据的频数，直观反 映数据的分布情况。
直方图与条形图
利用图形展示数据的分布 情况，便于观察数据的分 布规律。
概率密度函数
描述连续型随机变量的分 布情况，反映数据在不同 取值范围内的概率大小。
数据集中趋势度量
统计学专业经典案例分析【精选】
案例2 美国国家健康照顾协会美国国家健康照顾协会的主要任务是了解健康照顾人力资源的短缺情况，并为未来制定发展规划。
为了掌握护理人员对所从事工作的满意程度，该协会发起了一场全国性的有关医院护理人员的调查研究。
调查项目包括：工作满意度、收入、晋升机会等，填答方式采用打分制，从0～100分，分值高表示满意度高。
下面是其中的一部分调查结果：工作收入晋升工作收入晋升714958727631845363712574847437694716876649905623725979842862723786863759725740703854634878867272846029875157906266779051735655713655946052755392844266745982855664765154885552956652747051896662714568855767884942654268902767823754858946826056795941898064726045744763883647824891776075907670644361785272另外，按医院招募护理人员的方式，对上述资料的分组结果如下：私人医院退伍军人医院大学附属医院工作收入晋升工作收入晋升工作收入晋升7259407149588453639062668474378766498442667237867259798556646348768855527145688460297470518849427356558589464 11 01628726045946052795941883647902767494716776075727637905623644361863759779051712574867272713655842862956652755392703854654268765154875157823754898064745982826056896662907670855767785272744763824991要求：运用描述统计方法对资料进行处理，采用的表示方法要让人能够方便地获取相应的信息，对你发现出的问题给予讨论。
统计学案例
统计学案例总量指标与相对指标案例1指出下面的统计分析报告摘要错在哪里并改正：1 本厂按计划规定，第一季度的单位产品成本应比去年同期降低10%实际执行结果是，单位产品成本较去年同期降低8%仅完成产品成本计划的80% （即卩8% 10%= 80%。
2、本厂的劳动生产率（按全部职工计算）计划在去年的基础上提高8%计划执行结果仅提高4%劳动生产率的计划任务仅实现一半（即4% 8%= 50%）。
3、该车间今年1月份生产老产品的同时，新产品首次小批投产，出现了2件废品（按计算, 车间废品率为％）。
2月份老产品下马，新产品大批投产，全部制品1000件，其中废品8件, 废品量是1月份的4倍，因此产品质量下降了。
4、在组织生产中，本厂先进小组向另一组提出高产优质的挑战竞赛。
本月先进小组的产量超过了另一小组的1倍，但是在两组废品总量中该组却占了60%所以在产品质量方面，先进小组明显地落后了。
案例11案例2:根据下表资料分析哪个企业对社会贡献更大平均指标与变异指标案例3、以组平均数补充说明总平均数根据上表资料分析哪个村成绩更好为什么案例4:某单位有10个人，其中1人月工资为10万元，9人每人月工资为1000元。
该单位职工月平均工资为10900元。
即：100000 1000 910900（兀）10你认为这个平均数有代表性吗如果缺乏代表性应如何改正案例5:以下是各单位统计分析报告的摘录1、本局所属30个工厂，本月完成生产计划的情况是不一致的。
完成计划90%勺有3个，完成96%勺有5个，完成102%勺有10个，完成110%勺有8个，完成120%的有4个。
平均全局生产计划完成程度为%即：90% 3 96% 5 102% 10 110% 8 120% 4 =%30 °2、本厂开展增产节约运动以后，产品成本月月下降，取得显著的成绩，根据财务部门的报告，1月份开支总成本15000元，平均单位产品成本为15元，2月份开支总成本25000 元，平均单位产品成本下降为10元，3月份开支总成本45000元，平均单位产品成本仅8元。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
教学案例二上市公司年报数据分析案例经统计调查取得数据后，需要通过统计整理、综合指标计算与相关回归分析等方法技术对总体数据进行处理，以认识总体变量分布状态（如正态分布）、特征表现（如结构相对数、平均数和标准差）、相关关系（如相关系数）和变化规律（如回归模型），从而了解事物或现象的本质及其依存因素。
其中统计整理技术包括总量指标、相对指标、平均指标和标志变异指标的揭示，他们的计算既是对总体基本特征的描述，又是对事物或现象进一步定量研究的基础；相关和回归是研究总体各事物或现象间相互关系的定量分析，用以测定不同特征相互联系的紧密程度，揭示变化形式和规律。
本章案例主要通过对总体静态数据处理过程的介绍，帮助读者掌握统计整理、指标描述和相关回归分析技术结合运用的技术与经验。
本章由1个大型案例构成，案例以沪深股市制造业上市公司为对象，系统介绍了静态数据总体的统计处理过程，包括分布描述、分类研究和相关因素分析。
上市公司年报数据分析案例的教学目的：数据整理是统计分析的基础工作，在总体规模很大，数据量浩瀚、分布未知的情况下，如何对总体数据进行整理分类，描述总体分布及进一步分析总体各特征间的相互关系是对总体正确认识的关键。
由于具体的工作过程与教科书的知识点讲授顺序并不完全一致，因此本案例通过对1999年沪深股市制造业上市公司年报数据分析过程的介绍，给读者以处理总体静态数据的思路和技巧，从而训练读者解决实际问题的能力。
案例的背景分析与数据资料一、案例的现实意义上市公司的经营业绩与其股票价格、市场价值息息相关，因此反映上市公司经营业绩的定期公开披露的中期会计报告、年度会计报告就成为社会各界密切关注的重要信息之一。
对所有上市公司的财务报告进行统计整理和分析，把握上市公司整体的经营状况、经营业绩的水平和变化趋势，无论是对投资选择，还是政府的决策与监督，都是不可或缺的。
本案例探讨的就是面对大量的财务报告数据信息如何进行统计整理与分析，这对于投资者、投资咨询人员或是理论界研究者，都具有实际的指导意义。
通过本案例的学习讨论，有助于大家掌握统计描述和相关回归分析的方法，同时积累应用这些方法的实际经验和教训。
二、案例所依托的总体及其现状与研究目的（一）案例所依托的客体本案例所依托的客体是1999年上市公司年报中的有关财务指标。
1999年末，沪、深两市共有上市公司949家。
这些上市公司分布在13个行业部门。
根据中国证监会的《上市公司分类指引》中规定的分类方法，其中制造业共有578家，占60.91%。
总股本1938亿元，占62.73%，制造业是上市公司最集中的行业。
截止2000年4月30日，已公布年报的有560家。
所以本案例研究的总体范围确定为如期公布年报的制造业560家上市公司。
（二）案例研究的目的与任务1．上市公司年报财务数据统计分析的目的通过对制造业1999年报有关数据进行系统的统计整理、描述和回归分析，揭示1999年制造业上市公司主要财务指标的总体分布、分行业的经营业绩水平和重要特征，从中掌握认识总体分布特征和数量变化的技巧和方法，提高用统计思想和方法解决实际问题的能力。
2．上市公司年报财务数据统计分析的任务对纷繁的数据进行不同的分类、分组、汇总、综合、分析、归纳、推断，显示上市公司财务报告中的主要财务指标的分布形态和主要特性，寻找财务指标之间的相互关系和表现规律。
3．上市公司年报财务数据统计分析的对象本案例所引用资料取自《上海证券报》，包括了制造业560家上市公司。
共选有8个财务指标：4个为反映资产、收益方面的总量指标，后4个为反映盈利能力、业绩水平的相对指标。
4．数据的初步分析——制造业上市公司行业结构在制造业中，生产不同产品的企业或公司，具有不同的规模，占有不等的资源要素，他们的总股本、净利润、净资产收益率必然存在很大的差异。
为了深入认识总体，首先要对制造业按其经济活动的特点进行行业分类。
根据《上市公司分类指引》，制造业进一步分为10个行业种类，编码为C0、C1、C2、…、C9。
分类统计属于定名测定。
从上述资料经计数整理后即可得到如表一的分布数列。
表2—1 制造业上市公司行业分布代码行业分类上市公司数比重（%）C0 食品、饮料48 8.57C1 纺织、服装、皮毛45 8.04C2 木材、家具 2 0.36C3 造纸、印刷16 2.86C4 石油、化学130 23.21C5 橡胶、塑料10 1.79C6 金属、非金属96 17.14C7 机械、仪表、设备151 26.96C8 通讯、电子51 9.11C9 其他11 1.96合计560 100.00这是一个品质标志分组的分布数列。
从该数列中可以知道上市公司的行业结构。
1999年560个制造业上市公司中，27%是机械、仪表、设备制造业（包括汽车、船舶、摩托车、家电等）；23%是石化类行业；而冶金、钢铁等金属非金属类公司占17%；通讯电子章9%。
所以，制造业上市公司中传统产业占了较大比重。
这些行业中大部分是国有或国有控股企业，是国企改革中率先建立现代企业制度进入资本市场的排头兵。
行业的分布也体现了国家的产业政策导向，在1999年新发行的A股中，大盘股和高科技股明显增多，有力地支持了国企改革和高科技企业的发展，推动了上市公司的行业结构优化。
方案设计一、案例设计的思路本案例研究的总体对象是某一特定时间的静态数据集，为了对它有一个全面和透彻的认识，一般应对其进行基本的特征描述和揭示各特征间主要的相互关系。
根据这一目的，本案例按照如下顺序对数据进行处理：1．分别对总体个单位的数量标志按值的大小作升序排列，以大概认识个变量的变化范围及其一般水平。
2．分别计算总体个变量的特征值，进一步抽象认识个变量的分布特征，包括算术平均数、众数、方差、峰度度、偏度等。
3．分别根据特征指标绘制各变量的分布图，以形成对各变量分布的直观认识。
4．分别按品质标志和数量标志对总体进行分类，通过计算派生指标，以深入认识总体各指标在不同类别间的差异，包括总体结构、强度，比例关系等。
．分别对总体各指标进行相关分析，了解各指标间的依存关系，在相关关系成立的基础上进行回归分析，从而更深层次地认识总体的规律与特征。
6．在上述研究分析的基础上给出关于对对象的定性认识结论。
二、案例设计的工作过程（一）数据整理与描述1．编制按各财务指标的变量数列（1） 将数据顺序排列。
（2） 计算描述统计指标。
在Excel “工具”的“数据分析”中，“描述统计”提供了所分析数据的主要描述指标和有关信息。
其内容是； 平均——算术平均数，即x =n x ∑ 标准误差——抽样平均误差，即n σ中值——中位数，即Me ；模式——众数，即Mo ；标准偏差——标准差，即σ；样本方差——方差，即2σ 峰值——峰度，即44σm 偏斜度——偏度，即33σm ；区域——全距，即最大值减最小值；求和——标志总量；计数——总体单位总数；最大（K ）——第K 个最大值；最小（K ）——第K 个最小值；置信度——“数据分析”中默认概率为95%（也可自行选择）的1/2误差范围。
（3）分析描述统计指标——比较平均数、众数、中位数的大小；偏度系数的大小、方向等。
（4）确定组数和组距——当偏度系数不大时，用斯特吉斯经验公式确定组数；偏度系数较大、分布明显偏态时，以平均数为中心，以K 倍标准差为组距。
（5）整理成频数分布和直方图（或其他图形），显示总体分布特征。
2．制造业公司主要财务指标的分布（1）总资产分布数列和直方图总资产描述统计1 平均 标准误差 中值 158315.18970.94695296.9标准偏差；样本方差峰值偏斜度区域最小值最大值求和计数置信度（95%）212291.3 4.51E+10 30.19077 4.705128 2178598 12256.69 2190846 88656452560 17620.89总资产描述统计2平均标准误差中值模式标准偏差；样本方差峰值偏斜度区域最小值最大值求和计数置信度（95%）144640.7 6388.948 95410.48149424.9 2.23E=10 9.916375 2.885238 955269.6 21671.49 976941.1 79118478 547 12549.92从描述统计1看，560家公司的总资产呈高度偏态。
总资产最大值是上海石化219亿元，最小值是ST黔凯涤1.2亿元，相差近200倍。
将6个总资产100亿和7个2亿元以下的数据作为极值舍去，计算得到描述统计2，此时的标准差和偏度系数都降低了，说明数据间的差异小了。
但仍呈偏态，不能用斯特吉斯经验确定组数。
不论何种分布，均值和方差其分布的两个主要特征值。
根据切比雪夫定理，可以平均数为中心，以K倍的标准差为组距，因为此时平均数 K倍的标准差所涵盖的数据范围不小于1－1/2K。
本例中，均值14.5亿元，中位数9.5亿元，标准差15亿元，说明560家公司的总资产分布为右偏态。
若以1个标准差为组距，则中位数以下部分的描述势必过于概括。
所以考虑用1/2标准差，即7.5亿元为组距，由于100亿元以上只有7家，将105亿元以上并为一组，组数=15。
分组后变量数列及直方图如表二和图一所示。
表2—2 560家上市公司总资产分组统计频数频率（%）75000以下75000~150000 150000~225000 225000~300000 300000~375000 375000~450000 450000~525000 525000~600000 600000~675000 675000~750000 750000~825000 825000~900000 900000~975000 975000~1050000 1050000以上2091926433181542462131637.3234.2911.435.893.212.680.710.360.711.070.360.180.540.181.07合计560 100.00从图表中可以知道，制造业中，总资产8866亿元，平均规模在15亿元左右。
82%的上市公司总姿产在22.5亿元以下，100亿元以上的只有1%。
在各行业中，总资产规模最大的是C8——通信电子行业20.3亿元，最低的是C2——木材家具业6.38亿元，另外，C4——石油化工、C5——橡胶塑料、C6——金属非金属的总资产规模在平均之上。
频数5010015020025075000150000225000300000375000450000525000600000675000750000825000900000975000150000其他图2—1 560家制造业公司总资产分布（2）净利润分布数列和直方图净利润描述统计平均 标准误差 中值 模式 标准偏差； 样本方差 峰值 偏斜度 区域 最小值 最大值 求和 计数 置信度 （95%）6669.48516.28284120.164# N/A12217.481.49E+0811.333442.485572112886.5－37417.975468.637349135601014.092利润分布呈右偏态。