描述性统计量

在R语言和excel中实现描述性统计量

1.1 算术平均（arithmetic mean）

Excel：=average()
R: mean()
Note: 注意区分平均数和期望，算术平均是根据有限样本计算而来（一般认为每个样本权重相同，也可以计算加权平均）；期望是理论情况，由样本值乘以对应的概率加和而来；样本无限大时，平均数趋近于期望。

1.2 几何平均（geometric mean）

Excel：=geomean()
R: geometric.mean() (psych​包)
Note: 几何平均数是n个变量值连乘积的n次方根。它是对数水平上的算术平均数。在金融中用的较多, 它仅适用于具有等比或近似等比关系的数据。

1.3 调和平均（harmonic mean）

Excel: =harmean()
R: harmonic.mean() (psych​包)
Note: 调和平均数是一组数的倒数的算术平均数的倒数。常用来计算平均速率/并联电阻，应用较少。

1.4 中位数（median）

Excel: =median()
R: median()
Note: 当数据存在极端值时，用中位数比平均值更好。如有报道称北京的平均年薪是100w，妥妥的没有意义，工资中位值更有意义。

1.5 众数（mode）

Excel: =mode() (有多个众数，只返回首先出现的那个)
R: names(which.max(table(x))) (x为向量)
Note: 主要用于分类数据，数据存在极端值，又有某些值重复出现时，可观察众数。对于离散型或连续性概率密度函数，曲线最高的一处或者几处对应的值就是众数。

1.6 极差（range）

Excel: =max(x) – min(x) (x为一组数)
R: range(x)[2] – range(x)[1] (x为向量)
Note: 一组数最大值与最小值之差。最简单的衡量数据波动情况的指标。

1.7 分位数（quantile）

Excel: =percentile(x, quart) (x为一组数，quart可以为区间[0, 1]的任意数，使用插入值法来确定quart百分位对应的值)
R: quantile(x, quart, type = 2) (x为一组数，quart可以为区间[0, 1]的任意数，使用标准定义来确定如果 k 不是 1/(n-1) 的倍数，函数 PERCENTILE 使用插值法来确定第 k 个百分点的值)
Note: 第p个百分位定义如下：1，如果np/100不是整数，而k是小于np/100的最大整数，则第k+1个最大样本点即是第p个百分位数；2，如果np/100是整数，则第np/100与np/100+1两个观察值的算术平均定义为第p个百分位数。通常使用的百分位数：四分位数（25, 50, 75），五分位数(20, 40, 60, 80) ，百分位数(10, 20,…, 90)，百分位数。

1.8 方差（variance）

Excel: =var()
R: var()
Note: 用来描述一个随机变量的离散程度，表示一个随机变量离期望值的距离。公式为s^2 = ∑(x – E(x))^2 / (n-1)，这里x为随机变量，E(x)为期望，n为样本个数，注意分母为n-1，而不是n。

1.9 标准差（SD）

Excel: =stdev()
R: sd()
Note: 标准差是方差的平方根。对于正态分布，有68-95-99.7法则，即落在一个标准差内的数据占68%，以此类推。

1.10 变异系数（CV）

Excel: = stdev(x) / average(x) (x为一组数)
R: sd(x) / mean(x) (x为数值型向量)
Note: 标准差与平均值之比。也被称为标准离差率，无量纲，用来衡量数据的波动情况，伯纳德-罗斯钠建议cutoff为0.5，如果CV大于0.5，则波动较大。

1.11 峰度（kurtosis）

Excel: =kurt()
R: kurtosis() (moments 包)
Note: 峰度用来描述样本概率密度曲线陡缓程度的曲线，通常与正态分布比较（正态分布的峰度为3，用excel计算时，结果已经减了3，而用R包计算时未减3），峰度大于0表示为尖顶峰，小于0表示平顶峰。峰度的绝对值越大表示与正态分布差别越大。

1.12 偏态 （skewness）

Excel: =skew()
R: skewness() (moments 包)
Note: 描述总体取值分布的对称性。偏度为0表示样本偏斜程度与正态分布一样；偏度小于0，则在左侧有一条长长的尾，为负偏态；偏度大于0，则在右侧有一条长长的尾，为正偏态。