因为年底报销交通费，四处找出租车票，数了数有270张，让我有了玩儿MC的欲望。我把所有车票的面值都输入到excel里，然后倒到MC的“表”中，形成向量，剩下的事儿就很容易了。
呵呵，具体的工作表怎么做的，我就不上传了，都是原来讨论过的集合论的那一套，我直接复制粘贴过来使用的，没什么新意。
这两个图到底表达了什么我也说不出来。北京这边的出租车13块钱起价，而我收集的这些票里一张13的都没有，14起。对于“面值-数量”图来说，如果不考虑13的话，像是韦伯分布；如果考虑13的话，有点儿F分布的意思。对于“面值-总价”图来说，猛地一看还是有一些规律的，但是啥规律，我就说不清楚了。还有就是这两个图的现实意义，能说明什么问题，这也是需要我进一步考虑的。270张票，样本数量对于出租车票来说小了些，就算是从这个图上得到啥统计意义的结论也是自娱自乐的了。
实际上这事儿如果用histogram()来做会更方便，而且能够得到更丰富的分析结果。

这个是我感兴趣的内容。
看分布的话，肯定是得用直方图，能否公布源数据？

呵呵，好，感兴趣，我就传。
http://1000eb.com/103dq
希望你能够从这里挖掘出更有意思的东西来哈！

这问题有意义，学习了

这个，很有现实意义哈

先把元数据进行标准化，然后剔除了z>2的14个离群值[53,141]（也不知道处理得对不对）。
然后把元数据减13，得到的直方图倒是有点像对数正态分布。
（元数据减去13后的数据直方图）
（对数正态分布图）
如果随机变量X符合对数正态分布，那么它的对数Ln(x)会符合正态分布。
所以将减去13后的变量通通代入Ln(x)后得到新的数据，再进行非参数检验。
可惜，假设检验的结果否定了这一点，它们实在不像正态分布。
故否定元数据-13后的数据符合对数正态分布。
于是我也不知道该用什么样的分布来做分析了。
有没有对统计学感兴趣的朋友，结个对子呗。

你这里z是什么呢？z>2怎么就离群了呢？

普及统计知识，不错

不@我是不能及时看到的哦，不过这样的节奏挺好，不急不燥。
标准化的方法是:
可以将每个数据转化成标准化的数据，也叫“标准分”。
它的含义是：数据与均值的距离，是多少个标准差
如果是标准正态分布，大于2个标准差的数据出现概率小于5%，属于小概率事件，于是可以作为离群值的判断依据。
（标准正态分布的标准差为1，蓝色区域为[-2,2]，也就是2倍标准差，数据出现在这个区域内的概率是0.9545，不出现在这个区域内的概率则是1-0.9545）
不过这个判断方法有个前提，那就是数据要符合正态分布，显然我这里这么用是不合适的。
判断离群值的方法和依据不止这一个，还可以用箱型图中来判断。IQR=Q3-Q1，Q3是第三中位数，Q1是第一中位数，以Q1和Q3为端点，3个IQR以外的值可以作为离群值。
对于不符合正态分布的数据，应当用切比雪夫不等式来判断，不过我还没有整明白用法。
学校时只学过概率论，没有统计学方面的课程，工作后处于兴趣和偶尔的专业需求，自己利用空闲时间在学习，所以也不算太懂。
@朱老剑客

向各位大神学习！！
想不到玩贴吧还能学习，真是醉了……

决策本来就是要调查研究之后做出的！然而。。。

统计分析就没有了，直观的感受就是：
在保证起步费用足的前提下，路程越短，越倾向于打车，路程越长越不倾向于打车。
虽然随着路程的增加，打车费用是线性增加的，但是打车的次数确是非线性地急剧减少。
以下是我的猜测，
打车人可能有意识或无意识地觉得在起步费附近的里程打车是最具性价比的，所以打车次数最多。
继续猜测，
不同的城市虽然有不同的起步费和不同的单价，但是当地人打车次数最多的里程也有可能都是集中在起步费所代表的里程附近，偏离起步费的里程，无论是多是少，都是急剧减少的。

@QiuPT ，分析得不错哈，欢迎常来MC吧玩儿。
不过你是从打车人的角度分析的，实际上是错了，我的这些打车票是从好几个出租车司机那里收集到的，也就是那种打车的人忘记或者根本就没有要票的情况下，出租车司机积累的那些“废票”，当然这些“废票”也是可以报销的。
所以用你的思路来分析出租车司机可能更好一些，出租车司机一般就是喜欢拉短线，因为有起步价，拉短线的话等于干赚了很多钱；拉长线就可能是去郊区，往往是载客去郊区之后，只能空车而回，所以出租车司机不喜欢拉长线。

（我突然被激发了似的）还有种因素，坐长途的乘客更愿意索要发票，而短途的乘客更愿意放弃发票，所以即便长途和短途的发票是一样多的，出租车司机手上的废票中，长途发票更少。
这么多可能的相关因素，不能主观认定某一种是真实原因，应该做一个相关性检验来验证。