拿着错误的数据，肯定得不出正确的结论。那么面对真实的数据，就一定能得出正确的结论吗？未必！给大家看个小笑话。
问：你只有10平米的蜗居，邻居家从90m2换到190m2，你的居住面积有没有增加？
答：没有。
解：错，你们两家的平均居住面积是100m2，你的居住面积被神不知鬼不觉地增加了！
这个神不知鬼不觉是谁呢？无敌的平均数！仔细想想，这个均值算错了吗？没有！那么，问题出在哪里？单一的统计量存在片面性，所以要想反映数据的真实面貌，就得使用一系列统计量。
还好，统计学家不只给了我们平均数，同时还设计了许多其他的统计量，大家看看下面这个表。
衡量数据的集中趋势，基本有三个统计量，均值、中位数和众数。均值是数值平均数，它容易受极端值的影响。也就是说如果数据的跨度或者说是极差不大的话，用均值可以很好的反映真实情况。但是，如果数据的差异比较大，单一使用平均数就会搞出新的笑话了。中位数和众数属于位置平均数，中位数是把数据从小到大排序，正好处于中间位置的那个数，众数是说出现的频次最多的那个数。
数据除了有集中趋势，还有离散趋势。反映离散趋势的统计量主要有方差、标准差、极差、变异系数等。方差就是观测值与均值差的平方和除以自由度，自由度一般是n或n-1。总体数据就用n，抽样数据就用n-1。标准差就是方差的正平方根，它的意义是消除了量纲的影响。极差是最大值与最小值的差，反映的是观测值的跨度范围。还有一个比较重要也是比较常用的就是变异系数，它是标准差与均值的比，目的是消除数量级的影响。
此外，还有一些是描述数据分布的统计量，比如分位数，有四分位、八分位、十分位等等，二分位就是中位数，它们反映一系列数据某几个关键位置的数值。频率分布，就是对数据分组或者是分类后，各组或各类的百分比。偏度是用于衡量分布的不对称程度或偏斜程度，峰度是用于衡量分布的集中程度或分布曲线的尖峭程度的指标。
如果想再深入一些的话，就会用到相关系数、置信水平、统计指数等等。相关系数是反映变量之间线性相关程度的指标，取值范围是【-1，1】，大于0为正相关，小于0为负相关，等于0表示不相关。置信水平是指总体参数值落在样本统计值某一区内的概率。统计指数就是将不能直接比较的一些指标通过同度量因素的作用使得能够比较，常见的物价指数、上证指数等等。
有了这些基本的统计量，我们在实际工作中只要稍微用心选择一下，就可以比较准确的描述数据的真实情况。
［1］用数据说话——数据分析的基本思想 http://www.36dsj.com/archives/26619
| 欢迎光临 大数据 (http://www.bigbase.cn/) | Powered by Discuz! X3.2 |