描述性措施

本文解释了统计学中的描述性度量是什么以及所有描述性度量是什么。此外，您将能够了解如何计算描述性度量。

什么是描述性措施？

描述性度量是用于描述一组数据的统计参数。也就是说，在统计学中，描述性度量用于总结一组数据。

描述性措施分为四种类型：

• 集中趋势的测量
• 色散测量
• 位置测量
• 形状测量

集中趋势的测量

集中趋势度量或集中度度量是指示分布中心值的统计度量。换句话说，集中趋势的度量用于查找代表数据集中心的值。

集中趋势的衡量标准是：

• 平均值：这是样本中所有数据的平均值。
• 中位数：这是所有数据从小到大排序的中间值。
• 众数：这是数据集中重复次数最多的值。

要查看如何计算这些统计指标的示例，请单击此处：

色散测量

离散度度量是一种指示数据集离散度的描述性度量。因此，离散度测量用于评估样本中数据的离散程度。

离差测度也称为变异测度或扩散测度。

分散措施如下：

• 标准差（或标准差）
• 方差
• 变异系数
• 整齐的
• 四分位数范围
• 中等差异

每个色散度量都有自己的公式，因此为了不使本文太长，它们都在下面的链接文章中进行了解释。此外，您将能够看到计算此类描述性指标的示例。

位置测量

位置度量是报告数据集结构的统计度量。换句话说，位置测量可以帮助您了解数据集的样子。

尽管看起来很奇怪，但集中趋势度量也被视为位置度量，因为它们提供了有关数据序列中心位置的信息，尽管位置度量有更多。或者，换句话说，立场衡量包含集中趋势衡量。

事实上，位置测量根据其确定的位置分为中心位置测量和非中心位置测量。

因此，位置测量如下：

• 中心位置测量：指示分布的中心值。
  • 平均值：是样本中所有数据的平均值。
  • 中位数：这是所有数据从小到大排序的中间值。
  • 众数：是数据集中出现次数最多的值。
• 非中心位置测量：将数据集分成相等的部分。
• 四分位数– 将数据样本分为四个相等的部分。
• 五分位数：将数据分成五个相等的部分。
• 十分位数：将数据集分成十个等宽的区间。
• 百分位数：将数据分成一百等份。

您可以在此处查看所有这些统计参数的计算方式：

形状测量

在统计学中，形状度量是允许我们根据形状描述概率分布的指标。此外，形状测量可用于确定分布的外观，而无需将其绘制成图表。

形状测量有两种类型：

• 偏度——表示分布的对称（或不对称）程度，即分布是对称还是不对称。
• 峰度：表示分布集中于均值附近的程度，即它决定分布是陡峭还是平坦。

要了解如何确定这些类型的描述性指标，请单击以下链接：