数据统计分析：数据常用特征定义、意义与应用

一、常用特征

均值、数学期望、平均数、中位数、众数、四分位数

（1）概念

1. 均值

均值是一个大家庭：平均值、数学期望、中位数、四分位数、众数，都是“均值”；
常理解为平均数。

2. 数学期望

介绍：以概率为权的加权平均。
意义：期望是针对于随机变量而言的一个量，可以理解是一种站在“上帝视角”的值，针对于它的样本空间而言的。具有后验性。
理解：

3. 平均数=平均值

把n个数的总和除以n，所得的商叫做这n个数的算术平均数。是大家经常以为的平均数、均值。
意义：刻画了一组数据的总体平均水平；具有先验性。
理解：

1. 可理解为特殊的数学期望：权值都相等的加权平均。
2. 大数定律：随样本容量趋于无穷，平均数无限接近数学期望。

优点

1. 它能够利用所有数据的特征，而且比较好算。
2. 在数学上，平均数是使误差平方和达到最小的统计量，也就是说利用平均数代表数据，可以使二次损失最小。因此，平均数在数学中是一个常用的统计量。

缺点:

1. 正是因为它利用了所有数据的信息，平均数容易受极端数据的影响。=> 对异常值不敏感
   比如：一般国家人均收入不能用平均值来衡量，个别收入高会拉高整体平均

4. 中位数

中位数三步走：

1. 按顺序排列数字：最小或最大。
2. 如果有奇数个数值，则中位数位于中间的数。
3. 如果有偶数个值，则为中间两数之和的平均数。
   

意义：刻画了一组数据的中等水平；
优点：

1. 能够避免极端数据；

缺点：

1. 没有完全利用数据所反映出来的信息；

5. 众数

数据集中频数出现最多的一个或者几个数，可以用于类别数据

意义：刻画了一组数据中出现次数最多的情况；
优点：

1. 能够避免极端数据；

缺点：

1. 没有完全利用数据所反映出来的信息；

6. 四分位数

四分位数三步走：

1. 求出中位数。
2. 通过下界与中位数求出下四分位数。
3. 通过上界与中位数求出下四分位数。

算法如下：
下四分位数n/4的位置（n代表数据集中数据的个数），它的值

1. 如果为整数，则下四分位数位于n/4这个位置和下一个位置的中间，取这两个位置上的数值平均数。
2. 如果不是整数，则向上取整后的数为下四分位数的位置。

上四分位数3n/4的位置，它的值

1. 如果为整数，位于3n/4这个位置和下一个位置的中间，取其平均数。
2. 如果不是整数则向上取整为上四分位数的位置。

极差、方差、标准差

1. 极差

极差=最大标志值—最小标志值

意义：

1. 在统计中常用极差来刻画一组数据的离散程度；极差越大，离散程度越大，反之，离散程度越小。
2. 同时，它能体现一组数据波动的范围。

优点：

1. 计算简单，含义直观，运用方便；

缺点：

1. 只指明了测定值的最大离散范围，而未能利用全部测量值的信息，不能细致地反映测量值彼此相符合的程度。
2. 它仅仅取决于两个极端值的水平，不能反映其间的变量分布情况；
3. 同时易受极端值的影响。

2. 方差

参考：彻底理解样本方差为何除以n-1

设总体容量为N，总体均值为µ，总体方差为𝛔²，总体方差计算公式：