笔记：《深入浅出统计学》第二、三章：集中趋势、分散性与变异性

第二章：集中趋势的度量——均值、中位数、众数

1.均值μ

• 存在异常值时会偏离大部分数据所在的位置；
• 数据非常对称，且呈现一种趋势时使用；

2.中位数

• 从小到大排序在最中间的值，不受异常值影响，数值对称时等于均值，但随数据量增大会降低参考价值；
• 在数据由于异常值而发生偏移时使用；当右边线比较长时，数据向右偏斜，均值大于中位数。

3.众数

• 频数最大，且必须是数据集中的数值；是唯一能用于类别数据的平均数。
• 遇到类别数据时使用、当数据可以分为多个组时使用。

第三章：分散性与变异性（全距/分位距、方差/标准差/标准分）

1.分散性

全距(极差)：

• 作用：用于量度数据集的分散程度，算法为max-min
• 局限性：仅仅描述了数据的宽度，并没有描述数据在上、下界之间的分布形态。如果数据中存在异常值，全距会极具误导性。

分位距：

• 利用四分位距剔除异常值：50%中间数值形成的一个间距，四分位距=上四分位数-下四分位数，一个不受异常值影响的“迷你距”。
  – 上四分位数：当n/4结果为整数时，下四分位数等于n/4位置和下一个位置的中间，取这两个数值的均值；当n/4不为整数，n/4结果进一法所得即为上四分位数的位置。
  – 下四分位数(第三四分位数)：3n/4同理
• 百分位数，第k百分位Pk表示位于数据范围k%处的数值。
• 箱形图(箱线图)，箱显示四分位数和四分位距的位置，线显示上下界。能在一张图上体现多批数据，有利于比较。

2.变异性

方差和标准差通过观察数值与均值的距离量度数值的分布形态。

方差σ²：

• 数值与均值距离的平方的均值。σ²=Σ(x-μ)²/n
• 速算法：σ²=(Σx²)/n-μ²

标准差σ：

粗略描述平均情况下数值与均值的距离。

标准分z：

• 将数据集转换成一个均值为0、标准差为1的新分布，这是一种可用于进行比较的通用分布。
• 以标准差为单位，计算原始分数和总体均值之间的距离。
• 算法：z=(x-μ)/σ

https://baike.baidu.com/item/%E6%A0%87%E5%87%86%E5%88%86%E6%95%B0/1694868?fr=aladdin