数值型属性（一元）

集中趋势度量

均值

均值是某一随机变量的期望值，反映了X分布的位置或集中趋势。

鲁棒性

如果统计量不受数据中的极端值（例如离群值）的影响，那么就说该统计量是鲁棒的。

因此，样本均值并不具有鲁棒性，因为其非常容易受到样本极端数据的影响。为了使样本的鲁棒性更好，通常采用舍弃一小部分极端值的做法，称为切尾均值(trimmed mean)。

中位数

随机变量的中位数定义为一个值m，该值满足：
$$P(X\le m)\ge \frac{1}{2}且P(X\ge m)\ge \frac{1}{2}$$
因而中位数即分布函数最中间的值。可以看出，均值受极端值影响较小，且出现于样本中。

众数

随机变量的众数是对应概率密度函数达到最大值时X的值。
$$\mathrm{mode}(X)=\arg \underset{x}{\max }\hat{f}(x)$$
因此，众数并不能非常好反映样本集中的趋势。

离散度度量

极差

随机变量X的极差为X的最大值和最小值之间的差：
r = m a x { X } − m i n { X } r=\mathrm{max\{X\}}-\mathrm{min\{X\}} r=max{X}−min{X}
需要注意的是，样本的极差是一个总体参数，与随机变量X的值域不同。
并且从极差定义，极差对于极端值很敏感，因此不鲁棒。

四分位差

四分位数(quartile)是分位数函数(随机变量X的逆CDF函数)的特殊值，将数据进行四等分，分别对应0.25、0.5、0.75、1的分位数值。

一个比较鲁棒的X离散度度量是四分位差(InterQuartile Range)，定义为
$$\mathrm{IQR}=q_3-q_1=F^{-1}(0.75)-F^{-1}(0.25)$$
IQR也被视为切边极差(Trimmed range)，在其中舍弃了50%的数据，只保留了中间的数据。

方差和标准差

方差和标准差用来衡量X的取值偏离X均值的程度。标准差$\sigma$为方差的正平方根。