二讲集中趋势和离散趋势计量资料的统计描述

集中趋势与离散趋势计量资料的统计描述（第二讲）Contents课程大纲集中趋势与离散趋势：计量资料的统计描述01统计学描述的基本框架02集中趋势指标详解03离散趋势指标详解04分布形态与综合应用Chapter01统计学描述的基本框架理解计量资料的两大核心特征：集中趋势与离散趋势QUANTITATIVEDATA什么是计量资料计量资料（定量资料/数值变量资料）是统计分析的基础数据类型，其每个观察值都有具体数值且数值间存在量的大小关系，正确识别资料类型是选择合适统计描述方法的前提。医学体检中的血压测量—计量资料的典型采集场景01本质特征每个观察值有具体数值，数值之间存在量的大小关系，可以进行加减乘除等数学运算02典型实例身高（cm）、体重（kg）、血压（mmHg）、血糖（mmol/L）等连续性测量数据03分类区别与计数资料（如性别、血型等分类变量）区别明显，不同类型需选用不同的统计描述方法04类型转换同一指标在不同研究设计中可能呈现为不同类型，如血红蛋白可按阈值转为分类资料StatisticalDescription为什么需要两类指标结合描述仅用集中趋势描述数据是不完整的——平均数相同的两组数据，其离散程度可能截然不同。只有将集中趋势与离散趋势结合分析，才能全面揭示数据的分布特征和平均数的代表性强弱。01经典案例甲乙两组平均成绩均为80分，但甲组成绩集中在78–82分之间，乙组从30分到100分差异悬殊均值80·离散迥异02集中趋势告诉我们数据的"中心位置"在哪里，反映数据的典型水平和一般特征中心位置03离散趋势告诉我们数据围绕中心的"分散程度"有多大，反映个体间的变异大小分散程度04代表性判断两类指标结合才能判断平均数的代表性：离散程度越小，平均数对整体的代表性越好离散越小·代表越强DistributionAnalysis频数分布视角下的两大特征频数分布是理解计量资料的核心工具，集中趋势对应分布曲线的峰值位置，离散趋势对应分布曲线的扩散宽度，两者共同刻画了数据分布的完整形态。频数分布按数值大小分组统计，展示各区间的分布密度与整体形态分布密度集中趋势曲线峰值与重心位置，反映最集中区域和典型水平峰值位置离散趋势曲线宽窄与扩散程度，反映从中心向两侧延伸的范围扩散宽度正态分布均值决定钟形曲线位置，标准差决定宽窄，完整描述分布μ与σ偏态分布均值、中位数、众数不再重合，需结合离散指标选择方案非对称态CHAPTER02集中趋势指标详解系统掌握均数、中位数与众数的计算方法和适用场景MeasureofCentralTendency算术均数（ArithmeticMean）算术均数是应用最广泛的集中趋势指标，通过所有数据之和除以例数计算得出，充分利用了全部数据信息，但对极端值敏感，最适合对称分布尤其是正态分布资料的集中趋势描述。01计算公式：X̄=ΣXi/n，即所有观察值之和除以观察值个数，简单直观且易于理解和计算X̄=ΣXi/n02核心优势在于充分利用了每一个数据的信息，在所有无偏估计量中方差最小，统计效率最高方差最小03主要局限是对极端值高度敏感：5人收入为3000、3500、4000、4500、50000元时，均数被拉高至13400元13400元04数学性质优良：各观察值与均数的离差之和恒等于零，离差平方和在均数处取最小值Σ(X−X̄)=005适用条件：数据呈对称分布或近似正态分布时，均数能准确代表数据的中心位置和典型水平正态分布DESCRIPTIVESTATISTICS几何均数（GeometricMean）几何均数是算术均数的重要补充形式，通过先取对数再求均数再取反对数的方法计算，特别适用于等比级数资料和对数正态分布资料。METHOD计算方法G=(X₁·X₂·...·Xₙ)^(1/n)，等价于先对数据取对数求算术均数，再取反对数还原。适用于乘法关系的数据汇总。G=10x̄lgSCENARIOⅠ等比级数资料如抗体滴度1:10、1:20、1:40、1:80，几何均数能反映平均倍比水平。算术均数在此类数据中会被极端值拉高，失去代表性。抗体滴度SCENARIOⅡ对数正态分布原始数据呈右偏态但取对数后近似正态分布的指标，适合用几何均数描述。常见于医学检测指标和生物浓度数据。右偏态CONSTRAINT使用限制所有观察值必须为正值，零和负数无法取对数；若数据含零需做适当变换（如加常数），否则计算无法进行。X>0PROPERTYAM-GM不等式几何均数始终小于或等于算术均数，数据越分散两者差距越大。当且仅当所有数据相等时，GM=AM。GM≤AMCentralTendency中位数（Median）中位数是将数据排序后位于中间位置的数值，其最大优势是不受极端值影响，对偏态分布或含有异常值的数据具有稳健的代表性。计算方法将n个观察值从小到大排列，n为奇数取第(n+1)/2个值，n为偶数取中间两值的均数。Formula核心优势不受极端值影响。收入案例中均数被拉至13400元，中位数仍为4000元，代表性更强。Robustness偏态分布适用于偏态分布资料，如传染病潜伏期、住院天数、手术出血量等常呈右偏分布。Skewed开口资料适用于「>65岁」「<0.01mg/L」等开口数据，无法计算精确均数但可确定中位数。Open-Ended局限性未利用全部数据信息，仅依赖排序位置，在对称分布中统计效率不如均数。LimitationMEASURESOFCENTRALTENDENCY众数（Mode）众数是数据中出现频率最高的观测值，计算简单直观，但可能不唯一或不存在，在计量资料中较少单独使用，更多作为分布形态分析的辅助指标。定义与计算一组数据中出现次数最多的观测值，直接从频数分布中识别即可，无需复杂计算。适用于快速定位最常见类别或数值。频数最高三种分布形态唯一众数（单峰分布）适用于对称数据；多个众数（多峰分布）提示数据存在多个聚集中心；无众数表示所有值出现频率相同。单峰·多峰·无分布中的位置正态分布中众数与均数、中位数重合于中心；偏态分布中三者分离，众数位于峰值处，与均数的间距反映分布偏斜程度。三数重合实际应用场景适用于分类数据（如最常见血型）、单峰明显的分组数据、或需要快速估计集中位置时。在商务分析中用于识别最畅销品类。分类数据稳定性特征与均数和中位数相比，众数稳定性最差——样本量变化可能导致众数完全不同。极端值不影响众数，但样本波动对众数影响显著。低稳定性集中趋势·指标对比三大集中趋势指标对比与选择均数、中位数和众数各有优劣，选择时应综合考虑数据分布形态、是否存在极端值、资料类型三个因素。均数Mean01信息利用最充分，统计效率最高，适合对称/正态分布02对极端值高度敏感，偏态分布下代表性显著下降03学术报告标准格式：X̄±s（均数±标准差）X̄±s中位数Median01不受极端值影响，适合偏态分布和开口资料02未利用全部数据信息，对称分布中效率低于均数03学术报告标准格式：M（P25,P75）即中位数与四分位距M（P25,P75）众数Mode01计算最简单直观，适合分类数据或有明显峰值的数据02可能不唯一或不存在，稳定性差，较少单独使用03常与均数和中位数联合用于判断分布形态和偏度方向分类数据适用CaseStudy实战案例：住院天数数据的指标选择通过10名患者住院天数（含极端值）的分析案例，直观展示偏态分布下均数被拉偏而中位数保持稳健的现象，印证"先看分布形态，再选描述指标"的统计分析基本流程。34556778945天（N=10）Mean·算术均数9.9天被极端值45天显著拉高，偏离多数数据的实际范围，代表性不足。Median·中位数6.5天位于排序中间位置(6+7)/2，不受极端值影响，代表性最佳。Mode·众数5&7天双众数各出现2次，稳定性差，不宜单独描述本组集中趋势。Conclusion数据呈明显右偏态分布，应选择中位数6.5天描述集中趋势，配合四分位距描述离散程度。CHAPTER03离散趋势指标详解从极差到变异系数，全面掌握数据分散程度的度量方法离散趋势度量极差（Range）极差是最简单的离散趋势指标，等于最大值与最小值之差，计算简便但仅利用了两个极端值的信息，对样本量敏感且忽略中间数据的分布情况，通常仅用于数据探索的初步阶段。计算公式R=Xmax−Xmin，最大观察值与最小观察值之差，计算最为简便，是统计学中最基础的离散程度度量方法R=Xmax−Xmin核心局限仅利用最大值和最小值两个数据，完全忽略中间数据的分布和变异情况，无法反映数据内部的离散特征仅用2值分布差异极差相同的两组数据离散程度可能截然不同，如A组与B组极差均为8，但数据分布形态差异显著同R≠同分布样本量依赖样本量越大极端值出现概率越高，极差倾向于增大，不便跨样本量比较，稳定性较差N↑→R↑适用场景初步数据探索时快速了解波动范围，或质量控制中监测是否超出正常界限，作为快速筛查工具初步探索DISPERSIONMEASURE四分位距（InterquartileRange,IQR）四分位距通过计算上四分位数与下四分位数之差，描述中间50%数据的分布范围，有效排除了两端极端值的干扰，是偏态分布数据离散趋势描述的首选指标，常与中位数配套使用。计算公式IQR=Q3−Q1，Q1为第25百分位数，Q3为第75百分位数，反映中间50%数据的分布范围，是描述数据离散程度的核心指标。Q3−Q1核心优势去掉两端各25%极端数据，不受异常值影响，对偏态分布离散程度描述更加稳健可靠，统计结果更具代表性。抗干扰配套使用偏态分布报告"M（P25,P75）"即中位数配合四分位数，形成完整描述方案，便于快速理解数据分布特征。M(P25,P75)箱线图呈现箱体长度即为IQR，两端分别为Q1和Q3，中线为中位数，直观展示数据分布形态与离散程度。可视化适用场景偏态分布资料、含异常值数据集、需与中位数配套的非参数分析，广泛应用于医学统计与社会调查研究。偏态数据Variance方差（Variance）方差是各数据点与均数之差的平方的平均数，通过平方处理解决了离差正负抵消的问题，是统计学中最核心的离散趋势度量；样本方差采用n-1作为分母（Bessel校正）以获得总体方差的无偏估计。总体方差公式：σ²=Σ(Xi−μ)²/N，反映每个数据点与总体均数μ的偏离程度的平均水平σ²样本方差公式：s²=Σ(Xi−X̄)²/(n−1)，分母为自由度n−1而非n，确保对总体方差的无偏估计s²Bessel校正原理：用样本均数X̄代替总体均数μ时损失1个自由度，用n−1补偿偏差以得到无偏估计量n−1平方的双重效果：既消除离差正负抵消问题，又放大较大偏差的影响，使方差对极端值更为敏感x²方差的单位：是原始数据单位的平方（如身高数据的方差单位为cm²），不便于直观理解和直接比较cm²离散趋势·Dispersion标准差（StandardDeviation,SD）标准差是方差的算术平方根，恢复了与原始数据相同的度量单位，表示数据偏离均数的平均程度，是描述正态分布数据离散趋势最常用的指标，与均数配套构成"X̄±s"的标准报告格式。计算公式样本方差的算术平方根，单位与原始数据一致（如cm、kg）s=√[Σ(Xi−X̄)²/(n−1)]直观含义标准差越小数据越集中于均数附近，均数代表性越好；反之越分散集中vs分散配套报告正态分布资料标准格式为"X̄±s"，一目了然170.5±6.3cm正态分布约68%落在X̄±1s内，约95%在X̄±1.96s内，约99.7%在X̄±3s内68%·95%·99.7%适用条件受极端值影响，仅适用于正态或近似正态分布的计量资料正态分布DiscreteTendency变异系数（CoefficientofVariation,CV）变异系数是标准差与均数之比，消除了度量单位和均数水平的影响，使得不同单位或均数差异悬殊的数据集之间能够公平比较离散程度。计算公式：CV=(s/X̄)×100%，即标准差与均数的比值，以百分数表示，为无量纲指标单位不同：比较身高（cm）与体重（kg）的变异程度时，标准差无法直接比较，CV可公平比较均数悬殊：成人身高170±7cm（CV=4.1%）vs儿童身高100±5cm（CV=5.0%），儿童变异更大应用前提：仅适用于正态分布且均数大于零的计量资料，计算基于均数和标准差典型应用：实验室质量控制（批间CV评价精密度）、金融风险评估（收益率波动比较）STATISTICALCOMPARISON六大离散趋势指标综合对比六大离散趋势指标在信息利用率、稳健性、适用分布和应用场景上各有侧重：极差适合快速探索，四分位距适合偏态数据，方差和标准差是正态分布的首选，变异系数解决跨组比较问题。离散趋势指标对比一览表指标主要优势核心局限适用场景选择建议极差计算最简便直观，快速了解数据范围仅用两个极端值，受样本量影响大初步数据探索、快速筛查样本量较大时使用更可靠四分位距不受极端值影响，稳健性强仅用中间50%数据，信息损失较多偏态分布、存在异常值的数据箱线图展示时的核心指标方差利用全部数据信息，数学性质优良单位为原始单位的平方，解释性弱统计推断、方差分析基础主要用于后续计算中间步骤标准差单位与原始数据一致，直观可解释受极端值影响，对离群点敏感正态分布数据的离散程度度量最常用描述性统计量之一变异系数消除单位和均数影响，可跨组比较均数接近零时失效，仅适用于比值数据不同量纲或量级数据的变异比较比较身高与体重的变异程度CHAPTER04分布形态与综合应用偏态、峰度与两类指标的联合应用策略SkewnessDistribution偏态分布与偏态系数偏态系数定量描述数据分布的对称性偏离程度：零值表示对称分布，正值表示右偏（均数>中位数>众数），负值表示左偏；偏态程度直接影响集中趋势指标的选择，是数据分析的首要诊断步骤。偏态分布曲线示意图：正态、右偏与左偏形态对比右偏态（正偏态）：分布右尾拖长，存在少数极大值，均数>中位数>众数左偏态（负偏态）：分布左尾拖长，存在少数极小值，均数<中位数<众数偏态系数公式：Skewness=[nΣ(Xi−X̄)³]/[(n−1)(n−2)s³]，反映离差三次方的标准化平均解读标准：|Sk|<0.5轻度偏态，0.5≤|Sk|<1中度偏态，|Sk|≥1重度偏态实际应用：偏态系数>0.5时优先使用中位数，或对数据进行对数变换使其近似正态KURTOSIS·DISTRIBUTIONSHAPE峰度与分布形态的完整描述峰度系数定量描述数据分布的尖锐或平坦程度，以正态分布为基准衡量分布曲线的'胖瘦'；偏度与峰度联合使用可完整刻画数据分布形态，为选择合适的统计描述方法和推断方法提供依据。峰度定义描述分布曲线顶峰的尖锐程度和尾部厚薄，反映数据在中心附近的集中程度与极端值出现概率Definition正态分布基准峰度系数≈0（超额峰度）或≈3（原始峰度），不同软件采用的基准不同需注意≈0/≈3尖峰分布顶峰更尖峭、尾部更厚重，数据高度集中于中心但极端值出现概率更高Kurtosis>0平峰分布顶峰更平坦、尾部更轻薄，数据相对均匀地分散在中心周围Kurtosis<0联合诊断偏度与峰度共同决定分布形态，为正态性检验和统计方法选择提供决策依据Skew+KurtStandardScore标准分数（Z-score）及其应用标准分数将原始数据转化为以均数为原点、标准差为单位的相对位置指标，使得不同量纲、不同水平的数据可以在统一尺度上进行比较，是数据标准化和异常值识别的重要工具。计算公式Z=(X−X̄)/s，表示某个观测值偏离样本均数多少个标准差的距离Z=(X−X̄)/s核心性质不改变数据的相对位置和分布偏度，标准化后均数为0、标准差为1μ=0|σ=1正态分布|Z|>1.96落在95%参考范围之外，|Z|>2.58落在99%范围之外1.96·2.58实际案例数学85分Z=1.5，语文78分Z=2.6，虽分数更低但语文在班级中相对更优秀Z=2.6异常值识别|Z|>3的数据点可视为潜在异常值，需进一步核查数据质量或分析成因|Z|>3Strategy指标综合选择策略统计描述指标的选择应以数据分布形态为首要决策依据：正态分布采用"均数±标准差"方案，偏态分布采用"中位数（四分位距）"方案，跨组比较时引入变异系数，形成系统化的描述策略。正态分布方案集中趋势选用算术均数，充分利用全部数据信息，统计效率最高离散趋势选用标准差，与均数配套构成"X̄±s"的标准报告格式可进一步利用正态分布性质进行参考值范围估计和假设检验X̄±s偏态分布方案集中趋势选用中位数，不受极端值影响，稳健反映数据的中心位置离散趋势选用四分位距，描述中间50%数据范围，报告"M(P25,P75)"也可尝试对数变换将数据转化为近似正态分布后使用均数描述M(P25,P75)跨组比较方案两组数据单位不同或均数差异悬殊时，标准差无法直接比较引入变异系数CV=s/X̄×100%，消除量纲和均数水平影响适用前提：正态分布且均数大于零，均数接近零时CV失去意义CVCASESTUDY实战演练：医学数据的完整统计描述通过血压（正态分布）和住院天数（偏态分布）两个典型医学案例，完整演示从分布判断、指标选择到规范报告的全流程，巩固"先看分布、再选指标、规范报告"的统计描述标准操作程序。案例一：收缩压正态分布·NORMAL01200名健康成年男性收缩压数据经Shapiro-Wilk检验P>0.05，符合正态分布02选用正态分布方案：X̄=122.5mmHg,s=12.8mmHg，报告为122.5±12.8mmHg0395%参考值范围：122.5±1.96×12.8=97.4~147.6mmHg122.5mmHg·X̄±s案例二：住院天数偏态分布·SKEWED01150名患者住院天数数据偏态系数=1.87，呈重度右偏态分布02选用偏态分布方案：M=7天,P25=4天,P75=12天，报告为7(4,12)天03四分位距IQR=12−4=8天，反映中间50%患者住院天数跨度M=7天·IQR=8天CommonErrors&Guidelines统计描述的常见错误与注意事项统计描述中最常见的四类错误包括：不看分布盲目使用均数、用标准差跨单位比较变异、混淆标准差与标准误的含义、忽视小样本下统计量的不稳定性，避免这些错误是确保描述准确性的基础。01不看分布形态就计算均数和标准差偏态数据中均数被极端值拉偏，应优先检查分布后再选指标。02用标准差直接比较不同单位数据的变异标准差有量纲，跨单位比较必须使用变异系数CV。03混淆标准差（SD）与标准误（SE）SD描述个体间变异，SE描述样本均数的抽样误差，两者不可互换。04忽视样本量对统计量稳定性的影响小样本（n<30）时均数和标准差波动大，需配合置信区间解读。正确做法：先做分布诊断（正态性检验/频数图），再选描述方案，报告中注明所选指标及其选择理由。STATISTICALCONCEPTS易混概念辨析：标准差vs标准误SD描述个体变异，SE描述抽样误差，SE=SD/√n随n增大而减小，SD趋于稳定，两者不可混淆。标准差与标准误的对比辨析对比维度标准差（SD）标准误（SE）定义个体观测值偏离均数的平均程度样本统计量（如均数）的抽样误差公式s=√[Σ(Xi−X̄)²/(n−1)]SE=s/√n描述对象个体间的变异（数据离散趋势）样本均数的变异（抽样误差大小）与n的关系随n增大趋于稳定（反映总体固有变异）随n增大而减小（估计精度提高）报告用途描述数据分布：X̄±s表示估计精度：X̄±SE或置信区间标准差描述数据变异，标准误描述抽样误差；描述数据用SD，表示精度用SEBIVARIATEANALYSIS拓展：Pearson相关系数Pearson相关系数衡量两个计量变量之间线性相关的方向和强度，取值范围[-1,+1]，是双变量统计描述的基础工具；但相关不等于因果，且仅能捕捉线性关系，非线性关联需借助散点图或其他方法识别。取值范围-1≤r≤+1，正值表示同向变动，负值表示反向变动，零值表示无线性相关[-1,+1]强度判定|r|<0.3为弱相关，0.3–0.5中等，0.5–0.8较强，≥0.8为强相关|r|≥0.8适用条件两变量均为计量资料且服从双变量正态分布，数据偏态时应改用Spearman秩相关Normal非因果性相关不等于因果，高度相关可能由混杂因素导致，也可能纯属偶然巧合≠因果线性局限仅检测线性关系，U形等非线性关联下r可能接近零但变量仍密切关联LinearOnly综合案例·CASESTUDY综合案例：糖尿病指标统计描述以120名2型糖尿病患者为例，完整演示从分布检验、指标选择到规范报告的全流程，并以Pearsonr评价两者关联。空腹血糖（正态分布）Shapiro-Wilk检验W=0.987，P=0.342符合正态分布条件报告方案：均数±标准差7.8±2.1mmol/L3.7~11.9糖化血红蛋白（偏态分布）偏态系数Sk=0.92中度右偏态，不满足正态条件报告方案：中位数（四分位距）7.2%（6.3%,8.5%）IQR=2.2%两指标关联性Pearson相关分析r=0.73（P<0.001）两指标呈较强正相关空腹血糖可部分反映近2-3个月血糖控制水平，但两者评价维度不同r=0.73SoftwareImplementation统计软件中的描述统计实现主流统计软件（SPSS、R、SAS、Python）均提供完善的描述统计功能模块，能快速输出各类集中趋势和离散趋势指标，但软件操作的前提是理解每个指标的含义和适用条件，才能正确解读输出结果。SPSS'分析→描述统计→描述'获取均数和标准差，'频率'模块获取中位数、百分位数、偏度和峰度R语言summary()输出六数概括（Min,Q1,Median,Mean,Q3,Max），psych::describe()提供完整描述统计Pythonpandas的describe()方法一次性输出计数、均数、标准差、最小值、四分位数和最大值统计软件实操学习场景软件输出的关键解读正态性检验P值决定描述方案，偏态系数和峰度系数验证分布形态判断核心提醒软件只是计算工具，正确选择指标和解读结果的能力来自对统计学原理的深入理解GraphicalMethods统计图表辅助数据分布描述统计图表是数值描述指标的重要补充，直方图展示分布形态，箱线图比较多组分布，Q-Q图诊断正态性。'先画图后算数'是统计描述的最佳实践，图表能直观揭示数值指标难以呈现的分布特征。直方图与茎叶图01直方图以面积表示频数，直观展示分布的对称性、峰数和尾部特征，是分布形态诊断的首选图形02茎叶图保留原始数据信息，兼具表格和图形的优点，特别适合小样本数据的分布探索分布形态箱线图与Q-Q图01箱线图同时展示中位数、四分位距、极值和异常值，适合多组数据分布的直观比较02Q-Q图将数据分