反映离中趋势的指标
一些反映离中趋势的指标包括：
1. 方差：描述一组数据离其平均值的离散程度。
2. 标准差：方差的平方根，用于衡量数据分散程度。
3. 四分位数：将数据集分为四个等份，每个部分包含25%的数据。可通过计算第一四分位数（Q1，25%分位数）和第三四分位数（Q3，75%分位数）来了解数据的分布情况。
4. 中位数绝对偏差（MAD）：将每个数据点与中位数的绝对值差求平均，用于衡量数据的离散程度。
5. 百分位数：描述一个数据集中某个特定百分比处的数据值。例如，第95百分位数表示95%的数据小于或等于这个值。
6. 离散系数：用标准差与平均值的比率来衡量数据的离散程度。越高的离散系数表示数据越分散。
7. 偏度：描述数据分布的对称性。正偏表示平均值偏向右侧，负偏表示平均值偏向左侧。
8. 峰度：描述数据分布的尖锐程度。较高的峰度表示数据分布更尖锐，较低的峰度表示数据分布更平坦。
9. 箱线图：通过绘制数据的四分位数、中位数和异常值来可视化数据分布的形状，有助于判断数据的离散程度和异常值情况。
这些指标可以帮助量化数据的分布情况，并提供关于数据的离散程度和趋势的信息。
描述统计问题
描述统计是一种对数据进行总结和分析的方法，它通过对数据的集中趋势、离散程度、分布形态等方面进行描述，从而揭示数据的内在规律和特征。在实际应用中，描述统计被广泛应用于各个领域，如经济、社会、医学、教育等，为决策和研究提供了有力的支持。
一、集中趋势
集中趋势是指数据的中心位置，常用的度量指标有平均数、中位数和众数。平均数是所有数据的总和除以数据的个数，它反映了数据的平均水平；中位数是将数据按大小排序后，处于中间位置的数值，它反映了数据的中间水平；众数是数据中出现次数最多的数值，它反映了数据的典型水平。在实际应用中，不同的度量指标可以反映不同的集中趋势，需要根据具体情况进行选择。
二、离散程度
离散程度是指数据的分散程度，常用的度量指标有标准差、方差和极差。标准差是数据偏离平均数的平均程度，它反映了数据的离散程度；方差是标准差的平方，它也可以用来度量数据的离散程度；极差是数据的最大值与最小值之差，它反映了数据的范围大小。在实际应用中，离散程度的度量可以帮助我们了解数据的分散程度，从而更好地把握数据的特征。
三、分布形态
分布形态是指数据的分布情况，常用的度量指标有偏度和峰度。偏度是数据分布的偏斜程度，它反映了数据分布的不对称性；峰度是数据分布的峰态程度，它反映了数据分布的陡峭程度。在实际应用中，分布形态的度量可以帮助我们了解数据的分布情况，从而更好地把握数据的规律和特征。
总之，描述统计是一种重要的数据分析方法，它可以帮助我们了解数据的集中趋势、离散程度和分布形态，从而更好地把握数据的特征和规律。在实际应用中，我们需要根据具体情况选择不同的度量指标，以便更好地分析和解释数据。
频数分布的特征
频数分布是统计学中常用的一种数据分析方法，用于描述和展示数据的分布情况。频数分布的特征包括中心趋势、离散程度和形状。
一、中心趋势
中心趋势是描述数据集中程度的统计量，常用的中心趋势有平均值、中位数和众数。
1. 平均值（mean）是将所有数据相加后除以数据个数得到的结果，它可以反映数据的总体水平。平均值具有对异常值敏感的特点，当数据中存在极端值时，平均值的计算结果会受到影响。
2. 中位数（median）是将数据按照大小顺序排列后，处于中间位置的数值。中位数不受极端值的影响，更能反映数据的典型水平。
3. 众数（mode）是数据集中出现次数最多的数值。众数可以用来描述数据的最常见取值，特别适用于描述离散型数据。
二、离散程度
离散程度是描述数据分散程度的统计量，常用的离散程度有范围、方差和标准差。
1. 范围（range）是描述数据集中最大值和最小值之间差异的度量。范围越大，数据的离散程度越大。
2. 方差（variance）是各数据与平均值之差的平方的平均数。方差越大，数据的离散程度越大。
3. 标准差（standard deviation）是方差的算术平方根。标准差可以描述数据的离散程度，标准差越大，数据的离散程度越大。
三、形状
形状是描述数据分布形态的统计特征，常用的形状特征有偏度和峰度。
1. 偏度（skewness）是描述数据分布偏斜程度的统计量。偏度为正表示数据分布右偏（右侧尾部较长），偏度为负表示数据分布左偏（左侧尾部较长），偏度为0表示数据分布对称。
2. 峰度（kurtosis）是描述数据分布峰态的统计量。峰度大于0表示数据分布的峰部较尖，峰度小于0表示数据分布的峰部较平，峰度等于0表示数据分布的峰部与正态分布相同。
频数分布的特征可以帮助我们更好地了解数据的整体情况。通过分析中心趋势，我们可以知道数据的典型取值；通过分析离散程度，我们可以了解数据的分散程度；通过分析形状特征，我们可以判断数据的分布形态。
偏度系数和峰度系数
统计学是数据分析必须掌握的基础知识，它是通过搜索、整理、分析、描述数据等手段，以达到推断所测对象的本质，甚至预测对象未来的一门综合性科学。统计学用到了大量的数学及其它学科的专业知识，其应用范围几乎覆盖了社会科学和自然科学的各个领域，而在数据量极大的互联网领域也不例外，因此扎实的统计学基础是一个优秀的数据分析师必备的技能。统计学的知识包括了图形信息化、数据的集中趋势、概率计算、排列组合、连续型概率分布、离散型概率分布、假设检验、相关和回归等知识，对于具体的知识点，楼主就不一一介绍了，感兴趣的同学请参考书籍《深入浅出统计学》、《统计学：从数据到结论》，今天的分享主要会选取统计学中几个容易混淆的、比较重要的知识点进行分享。
PS：本部分知识点整理自《深入浅出统计学》以及网友们分享的博客、知乎等，转载的部分已经在原文加引同时在文末的参考链接部分已经标出，欢迎大家参读网友的原作。
一、 方差、协方差、相关系数R、决定系数R2
1.方差、标准差以及标准差系数
(1).方差：所有样本各自减平均数的差，平方后在累计求和，最后在除以样本个数。
(2).标准差：所有样本各自减平均数的差，平方后在累计求和，再除以样本个数，最后再开方。 (3).标准差系数：所有样本各自减平均数的差，平方后在累计求和，再除以样本个数再开方，最后除以样本平均值。
2.协方差
协方差通俗的理解就是两个变量在变化过程中是同向还是反向？同向或反向的程度如何？
你变大，同时我也变大，说明两个变量是同向变化，这时协方差就为正；
你变大，同时我变小，说明两个变量是反向变化的，这时协方差为负
协方差的计算公式：
如果有X,Y两个变量，每个时刻的‘X与其均值之差’乘以‘Y与其均值之差’得到一个乘积，在对这时刻的乘积求和并求出均值。
3.相关系数R
相关系数分三种，spearman, pearson, kendall
协方差的值会随着变量量纲的变化而变化（covariance is not scale
