用一维数组统计五个人的成绩中的最大值最小值平均值_描述统计内容总结与拓展+业务问题梳理...

PART1：描述统计内容总结与拓展

描述统计重点概念拓展：箱线图（分位数概念）、标准差和变异系数、标准分

1.箱线图

以前也有见过箱线图，但从来没看懂，甚至一眼看上去还以为是没上色的K线图，（后面会作比较），下面从定义，分位数概念，异常值识别，实际应用四个方面进行小结和拓展。

图1

1）定义：箱线图（Box plot）也称箱须图、箱线图、盒图，利用数据中的五个统计量：最小值、第一四分位数（Q1)、中位数(Q2)、第三四分位数(Q3)与最大值来描述数据的一种方法，可以用来反映数据分布的中心位置和散布范围。

2)分位数概念：一组数据按从小到大的顺序排列，位于25%，50%，75%位置的数为第一四分位数（Q1)、中位数(Q2)、第三四分位数(Q3)，举例：

一组序列数为例：12，15，17，19，20，23，25，28，30，33，34，35，36，37

计算方法：有很多种计算四分位数的方法，这里采用算术平均（如果算出的位置不是整数，就用两数的平均值）

①计算四分位数的位置：Qi=

，其中i=1，2，3

②计算四分位数：整数刚好，非整数取两端平均值

eg：计算第三四分位数Q3，位置在11.25处，即位于第11个和第12个数之间，Q3=（34+35）/2=34.5

3）箱线图的功能：异常值识别

做数据清洗的过程中，找出异常值并进行处理是必要环节，箱线图的显著功效就是查找异常值，找到之后通常有三种做法：

①被错误记录的数值，应该被纠正；

②被错误纳入的数值，应该被删除；

③记录正确，但数值背身异常，应保留；

那么如何利用箱线图识别异常值呢？这里用到一种检测方法叫Tukey‘s test

首先要知道一个概念，四分位距（interquartile range, IQR）：第一四分位数和第三四分位数的差距，即：IQR=Q3-Q1。图中可以看出，箱体部分就是1个IQR，包含了50%的数据，箱子的长短反映了数据的波动程度或者集中程度。当存在极度异常值时，箱子会被压得很扁。

需要注意的是，最大值和最小值并不是上限和下限，上下限是最大最小观测值（也可以叫最大最小估计值），是计算出来的，就是用来识别超出界限之外的异常值，最大值和最小值可能在界限内，也可能在界限外，如是后者，则为异常值。

一般来说：

下限（最小观测值为min） = Q1 - K*IQR

上限（最大观测值为max） = Q3 +K*IQR

K=1.5（中度异常，绝大部分情况使用这个）；K=3（重度异常）

标准正态分布的箱线图

4）实际应用

箱线图最常见的是用于质量管理、人事测评、探索性数据分析等统计分析活动。

工资分布，运动员水平，学生成绩等大部分单维度的离散或连续量化数据，最有效的使用是画分组箱线图做对比。

与K线的对比辨析23333333：

2.标准差和变异系数

平均数：虽然被广泛应用，但是对有异常值的情况下，会使结论失真严重。

标准差：衡量数据偏离平均值的波动情况，常用于对稳定性或风险的衡量。

变异系数：变异系数：标准差与平均数的比值，也称为标准差率，当要比较两组或多组数据离散程度大小（波动大小）时，如果之间的度量尺度相差太大，比较标准差就没有意义。

比如：一只兔子体重波动1kg和一头大象体重波动1kg，虽然都是1kg，但显然对于两个整体，这个波动的意义是不一样的

变异系数可以消除单位和（或）平均数不同对两个或多个资料变异程度比较的影响。

3.标准分：距离平均值有多少个标准差

---

PART2：业务问题

一、理解数据集