数据分析介绍之六——单变量数据观察之汇总统计和箱线图

你可能已经注意到，到目前为止我还没有在所有关于平均数和中位数、标准差等简单的主题发言，和百分位数。那是很有意的。这些汇总统计仅适用于某些假设，如果这些假设未实现，则是误导性的，如果不是完全错误的话。我知道这些量是容易理解和容易计算的，但是如果有一条信息我想让你从这本书中拿走的话，那就是：某物是方便和受欢迎的事实是没有理由跟风的。对于要使用的任何方法，请确保了解基本假设，并始终检查它们是否满足您所考虑的特定应用程序！

均值、中位数和相关汇总统计量仅适用于具有单峰分布的单峰分布的分布。如果这个基本假设没有实现，那么基于简单总结统计得出的结论将是错误的。更糟糕的是，没有什么能让你明白他们错了：这些数字看起来相当合理。（我们将看到这个问题的一个例子不久。）

一、汇总统计

如果一个分布只有一个单峰，那么问这个峰值的性质：它位于何处，它的宽度是什么意义？我们还想知道是否有任何异常的分布是对称的，存在。

均值和标准差的位置和传播两种流行的措施。平均或平均是既熟悉和直观的：

标准差测量了平均值与平均值之间的距离：我们计算每个点和平均值之间的所有差异，然后计算所有这些差异的平均值。因为数据点可以高于或低于平均和我们想要的不正、负偏差相互抵消，总结个人的偏差的平方和取平均平方偏差。（第二个方程在实践中非常有用，可以从第一个定义中找出均值之后）。

以这种方式计算的S2量称为方差࿰