AI数据分析010：集中度分析和离散度分析

一、介绍

集中度分析和离散度分析是统计学中用来描述数据分布特征的两种方法。它们可以帮助我们了解数据的集中趋势和分散程度。

1.1 集中度分析（Measures of Central Tendency）

集中度分析主要关注数据的中心位置，即数据的“平均”或“典型”值。以下是几种常见的集中度度量方法：

均值（Mean）：
所有数据值的总和除以数据点的数量。它是数据集中最常用的集中度度量方法。

中位数（Median）：
将数据集从小到大排序后位于中间位置的数值。当数据集中存在极端值时，中位数比均值更能代表数据的中心位置。

众数（Mode）：
数据集中出现次数最多的值。一个数据集可以有一个众数（单峰分布）、多个众数（多峰分布）或没有众数（均匀分布）。

几何平均数（Geometric Mean）：
数据集中所有数值的连乘积的n次方根，其中n是数据点的数量。它常用于计算平均增长率。

加权平均数（Weighted Mean）：
当数据点具有不同的权重时，每个数据点乘以其权重后再求和，最后除以所有权重的总和。

1.2 离散度分析（Measures of Dispersion）

离散度分析关注数据的分散程度，即数据值之间的差异。以下是几种常见的离散度度量方法：