【统计学】如何描述数据分布的特征？

在统计学中，描述数据分布的特征通常包括以下四个方面：集中趋势、离散程度、分布形态、极端值分析。

1. 集中趋势

反映数据集中在哪个值附近，常用指标有：

• 均值（Mean）：包括算术平均值、加权平均数、几何平均数，易受极端值影响，用于数值型数据，不能用于分类数据和顺序数据。
  • 算数平均数
    
  • 加权平均数
    
  • 几何平均数
    
• 中位数（Median）：排序后中间位置的值，不受极端值影响，主要用于顺序数据，也可用于数值型数据，但不能用于分类数据。
• 众数（Mode）：出现次数最多的数值，适合数据量较多或多峰分布时，并且在数据分布偏斜程度较大且有明显峰值时应用。

2. 离散程度

反映数据的分散程度（是否集中在某个点附近）：

• 极差（Range）：最大值 - 最小值，易受极端值影响。
• 方差（Variance, 𝜎^2）：数据偏离均值的平方和的平均值，计算公式：
  
• 标准差（Standard Deviation, 𝜎）：方差的平方根，反映数据的平均偏离程度。
• 变异系数（Coefficient of Variation, 𝐶𝑉）：标准差除以均值，衡量数据的相对离散程度，适用于比较不同量纲的数据。
  

3. 分布形态（对称性 & 尖峰性）

描述数据的形状，包括对称性和尾部厚度：

• 偏度（Skewness, 𝑆）：衡量数据分布的对称性：
  
• 峰度（Kurtosis, 𝐾）：衡量数据分布的陡峭程度：
  

指标	公式	衡量内容	典型分布
偏度 𝑆		数据对称性	𝑆 = 0（正态分布）、𝑆 > 0（右偏）、𝑆 < 0（左偏）
峰度 𝐾		分布陡峭度	𝐾 = 0（正态分布）、𝐾 > 0（高峰）、𝐾 < 0（低峰）

4. 极端值分析

• 最大值 & 最小值：整体数据的界限。
• 四分位数（Quartiles）：将数据按从小到大排序
  • Q1（第一四分位数）：第 25% 分位的数值。
  • Q2（第二四分位数）：第 50% 分位的数值（中位数）。
  • Q3（第三四分位数）：第 75% 分位的数值。
  • IQR（四分位距）：IQR = Q3 − Q1，衡量数据的中间 50% 的变异范围。
• 箱线图（Box Plot）：用于发现异常值，若数据点超出 1.5 × 𝐼𝑄𝑅 的范围，通常被视为异常值（Outlier）。
  

---

总结

维度	主要指标	作用
中心趋势	均值、中位数、众数	描述数据的中心
离散程度	极差、方差、标准差、变异系数	衡量数据的波动性
分布形态	偏度、峰度	评估对称性和尖锐程度
极端值分析	四分位数、箱线图	识别异常值