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,count (*)

  FROM AutoGroup a,GroupStandard b

  WHERE a. age>= b. MinGroupAND a. age< b. MaxGroup

  GROUP BY MinGroup,MaxGroup