用R语言学习数据挖掘——2.用R计算数据基本统计量（中位数、百分位数）

学习了用R计算样本数据的平均值之后（用R计算均值），下面继续学习其他统计量。

目录

中位数

median(x, na.rm = FALSE)

百分位数

quantile(x, probs = seq(0, 1, 0.25), na.rm = FALSE,names = TRUE, type = 7, ...) 

---

中位数

定义：

为什么要有中位数？

我们要知道的是，均值描述并不总是可靠的或最佳的。均值对于极端值（例如离群点）很敏感， 比如整个公司薪水的均值由几个极高收入的经理显著推高。为了抵消少数极端值的影响，我们可以使用截尾均值（丢弃极端值后计算均值）。截尾均值一般是去掉高端和低端的2%数据。

但是，当异常值的价值非常大时，用截尾均值同样会丢失大量的价值数据。

对于倾斜数据，更好的度量值是中位数。

中位数定义为数据排序位于中间位置的数据，比如一组样本数据：3,1,7,5,9  则中位数为5。

中位数描述数据中心位置的数字特征，大体上比中位数大或小的数据个数为整个数据的一半。 对于对称分布的数据，均值与中位数比较接近；对于偏态分布的数据，均值与中位数不同。在大部分实际应用中，数据都是不对称的，如下图，可能是正倾斜的（b），也可能是负倾斜的（c）。

中位数的显著特点是不受异常值的影响，具有稳健性&