|
关于SQLServer2005 的学习笔记——统计学自动分组问题
?
学过统计学或者做过 BI 的应该知道，很多报表 需要以区间统计的方式来实现，怎么分组比较合理，什么的组距比较合适，会困扰很多人；本文给出一个自动分组的方法，稍微修改一下，便可以做成通用区间分组程序。
关于统计学组距分组参考以下链接：
http://wiki.mbalib.com/wiki/%E7%BB%84%E8%B7%9D%E5%88%86%E7%BB%84
?
第一步： 确定组数。一组数据分多少组合适呢？一般与数据本身的特点及数据的多少有关。由于分组的目的之一是为了观察数据分布的特征，因此组数的多少应适中。如组数太少，数据 的分布就会过于集中，组数太多，数据的分布就会过于分散，这都不便于观察数据分布的特征和规律。组数的确定应以能够显示数据的分布特征和规律为目的。在实 际分组时，可以按 Sturges 提出的经验公式来确定组数 K
第二步： 确定各组的组距
组距 =(Max(Value)-Min(Value))/K
第三步： 根据分组整理成频数分布表
?
|
-- 创建一个测试 表，仅有一个包含年龄的字段的表
CREATE TABLE AutoGroup
(
? Age INT
);
INSERT INTO AutoGroup VALUES(12);
INSERT INTO AutoGroup VALUES(10);
INSERT INTO AutoGroup VALUES(20);
INSERT INTO AutoGroup VALUES(25);
INSERT INTO AutoGroup VALUES(27);
INSERT INTO AutoGroup VALUES(30);
INSERT INTO AutoGroup VALUES(50);
INSERT INTO AutoGroup VALUES(60);
INSERT INTO AutoGroup VALUES(45);
INSERT INTO AutoGroup VALUES(46);
INSERT INTO AutoGroup VALUES(35);
INSERT INTO AutoGroup VALUES(30);
INSERT INTO AutoGroup VALUES(47);
INSERT INTO AutoGroup VALUES(20);
INSERT INTO AutoGroup VALUES(61);
--SELECT age FROM AutoGroup
-- 第一步，获取最大值、最小值、以及记录数量
WITH MaxAndMin AS
(
SELECT MAX(age) MaxNum,MIN(age) MinNum,COUNT(*) CountNum FROM AutoGroup
),
-- 第二步，确定组数和组距。
GroupStep AS
(
SELECT
? MaxNum,MinNum,CountNum,
? CEILING (1+LOG(CountNum)/LOG(2)) GroupNum,
? CEILING(CEILING(MaxNum-MinNum)/CEILING(1+LOG(CountNum)/LOG(2))) GroupStep
FROM MaxAndMin
),
-- 第三步，递归生成相应的频数分布表
GroupStandard(MinGroup,MaxGroup,Identiy) AS
(
SELECT
? e.MinNum MinGroup,e.MinNum+e.GroupStep MaxGroup,1 AS Identiy
FROM? GroupStep AS e
UNION ALL
SELECT
? CAST(e.MinNum+e.GroupStep*identiy AS INT) MinGroup,
? e.MinNum+e.GroupStep*(Identiy+1) MaxGroup,
? Identiy+1 c
FROM? GroupStep AS e,GroupStandard d
WHERE d.Identiy<e.GroupNum
)
-- 第四步，根据频数表和原表进行相关区间统计
SELECT MinGroup, MaxGroup, count (*)
? FROM AutoGroup a, GroupStandard b
? WHERE a. age>= b. MinGroupAND a. age< b. MaxGroup
? GROUP BY MinGroup, MaxGroup
